Regression Analysis of Poisson-Distributed Data
泊松分布数据的回归分析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：摘要研究通用泊松回归与拟合检验，未明确离散选择、因果或其他所列细分领域。
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…
泊松分布数据的回归分析
- 研究问题
- 当回归观测被假定服从泊松分布时，如何估计模型参数，并检验泊松变异假设及数据与回归模型之间的拟合程度？
- 方法与思路
- 作者采用最大似然估计，并讨论其与特定二次型最小化及适当加权最小二乘的关系，同时提出近似检验并给出数值例子。
- 材料陈述的贡献
- 摘要称两类估计程序具有等价关系，计算上均对应适当加权最小二乘，并讨论线性与非线性回归中的应用和近似检验。
- 阅读关注点
- 阅读时应核对二次型与权重的定义、等价关系成立的范围、计算过程，以及泊松变异和拟合优度检验的近似条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未说明模型限制、权重求解及检验精度，不能据此推断任意加权回归均等价。
原文摘要
The principle of maximum likelihood is used to obtain estimates of the parameters in a regression model when the experimental observations are assumed to follow the Poisson distribution. The maximum likelihood estimates are shown to be equivalent to those obtained by minimization of a quadratic form which reduces to a modified chi square under the Poisson assumption. Computationally, both of these estimation procedures are equivalent to a properly weighted least squares analysis. Approximate tests of the assumed Poisson variation and “goodness of fit” of the data to the model are proposed. Applications of the estimation procedure to linear and nonlinear regression models are discussed, and numerical examples are presented.