Analysis of one-way layout of count data with negative binomial variation
具有负二项变异的计数数据单因素分析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：摘要是一般计数数据组间检验，计数响应本身不足以归入离散选择或因果推断。
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
具有负二项变异的计数数据单因素分析
- 研究问题
- 在计数数据具有负二项变异时，如何检验多个组的均值是否相同，并进一步检验各组离散参数是否相同？
- 方法与思路
- 作者在共同离散参数下推导两种 C(α) 均值检验，用蒙特卡洛比较其大小与功效，并推导离散参数相等的检验。
- 材料陈述的贡献
- 摘要称通过与似然比及变换数据检验的模拟比较推荐 C(α) 统计量，同时提供离散参数相等的检验和两个应用。
- 阅读关注点
- 全文需核对负二项模型的参数化、共同离散参数的估计、统计量适用条件，以及模拟中的样本规模、检验大小和功效。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模拟设计、数值结果及应用内容未提供，推荐意见不能视为所有情形下的优势。
原文摘要
Two C(α) statistics (Neyman, 1959) for testing the equality of the means of several groups of count data in the presence of a common dispersion parameter are derived. The performance of the two C(α) statistics, the likelihood ratio statistic and two more statistics based on transformed data (Anscombe, 1948) is then compared in terms of size and power by using Monte Carlo simulations. The C(α) statistics are recommended. The C(α) statistics for testing the equality of the dispersion parameters of several groups of count data are also derived. Two applications are given.