Testing Goodness of Fit for the Poisson Assumption When Observations are Not Identically Distributed
非同分布观测下泊松假设的拟合优度检验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：摘要涉及计数模型拟合检验，但未明确对应离散选择行为模型或所列其他细分领域。
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
非同分布观测下泊松假设的拟合优度检验
- 研究问题
- 当观测并非同分布时，如何在单因素布局及过原点回归中检验泊松模型，并识别负二项形式的偏离？
- 方法与思路
- 作者研究相关统计量在零假设和备择下的分布近似，以渐近相对效率比较局部最优及既有检验，并作小样本比较。
- 材料陈述的贡献
- 摘要称，文章提供针对负二项偏离的检验分布近似，同时给出渐近效率与小样本比较，但未说明具体优胜结果。
- 阅读关注点
- 应核对非同分布如何进入模型、负二项备择的参数化方式，以及分布近似、局部最优性与小样本表现的适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未报告检验公式、比较数值或适用条件，不能推广到任意泊松模型偏离。
原文摘要
Tests for detecting negative binomial departures from a Poisson model are studied for the one-way-layout and regression-through-the-origin cases. Approximations to the null and alternative distributions of these test statistics are presented. Locally optimal tests and tests suggested in the literature are compared in terms of asymptotic relative efficiency. Small sample comparisons are included.