Models for truncated counts
截断计数数据模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究截断计数回归与过度离散，未涉及所列离散选择、分布效应或其他细分问题，因此不强行归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
截断计数数据模型
- 研究问题
- 计数样本受到截断时应如何进行回归估计，忽略过度离散会带来多大偏差，泊松与负二项模型如何处理这一问题？
- 方法与思路
- 作者考察截断计数回归的最大似然估计，展示截断泊松和负二项模型，以模拟分析偏差，并应用于阿拉斯加渔民垂钓次数。
- 材料陈述的贡献
- 摘要提供截断计数模型的估计示例，并通过模拟展示未处理过度离散可能产生的偏差，另给出垂钓次数的实证应用。
- 阅读关注点
- 应核对截断机制与似然的构造、过度离散参数的识别，以及模拟中的截断程度和应用样本进入机制是否一致。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；未说明截断阈值、模拟条件和偏差数值，不能推断某一计数分布在一般情形下更优。
原文摘要
Abstract This paper examines a class of maximum‐likelihood regression estimators for count data from truncated samples. Estimators for the truncated Poisson and negative binomial distributions are illustrated. Simulation results are given to illustrate the magnitude of the bias that may result from the failure to account for overdispersion in truncated samples. An empirical application based upon the number of recreational fishing trips taken by a sample of Alaskan fishermen is provided.