Flexible Bivariate Count Data Regression Models
灵活的二元计数数据回归模型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：摘要研究二元计数回归及变量依赖，未明确涉及离散选择决策、结构估计或分位数效应，与所给细分方向的对应证据不足。
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
灵活的二元计数数据回归模型
- 研究问题
- 如何在二元计数回归中灵活刻画两个结果变量的依赖，使模型允许正相关和负相关，并进一步处理过多零值、删失及多元计数情形？
- 方法与思路
- 作者采用半参数级数展开，通过随机相关的未观测异质性成分引入计数变量间依赖，并提出过多零值、删失数据及多元模型的扩展。
- 材料陈述的贡献
- 摘要称，模型突破常用模型对相关方向的限制；模拟与烟草使用应用表明，其在若干统计标准及因变量相关范围刻画上相对既有模型表现较好。
- 阅读关注点
- 核对级数基函数、截断阶数及分布有效性约束，关注未观测异质性的设定、负相关的实现方式，以及零值与删失扩展的估计步骤。
- 阅读边界
- 摘要未说明半参数估计的识别、收敛条件或比较标准，也未给出应用结果细节；计数结果与烟草应用不足以确定因果或结构解释。
原文摘要
The article develops a semiparametric estimation method for the bivariate count data regression model. We develop a series expansion approach in which dependence between count variables is introduced by means of stochastically related unobserved heterogeneity components, and in which, unlike existing commonly used models, positive as well as negative correlations are allowed. Extensions that accommodate excess zeros, censored data, and multivariate generalizations are also given. Monte Carlo experiments and an empirical application to tobacco use confirms that the model performs well relative to existing bivariate models, in terms of various statistical criteria and in capturing the range of correlation among dependent variables. This article has supplementary materials online.