Duration Dependence and Dispersion in Count-Data Models
持续时间依赖与计数数据模型的离散度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：摘要聚焦等待时间机制和计数离散度，未明确涉及分位数效应、离散选择或其他所列细分领域，因此暂不分类。
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
持续时间依赖与计数数据模型的离散度
- 研究问题
- 事件之间的等待时间若不服从指数分布，会如何改变固定区间内的事件计数分布，并与过度离散或不足离散相联系？
- 方法与思路
- 作者从等待时间与固定区间计数的关系出发，讨论风险函数形状对离散度的影响，并在等待时间独立同分布且服从伽马分布的假设下推导新模型。
- 材料陈述的贡献
- 摘要称，在所讨论框架中，递减风险函数导致过度离散，递增风险函数导致不足离散；新计数模型以生育次数和就医次数为应用示例。
- 阅读关注点
- 阅读全文时应核对等待时间过程与计数过程的对应条件、风险函数结论的成立范围，以及伽马等待时间假设如何进入估计和应用。
- 阅读边界
- 风险函数与离散度的关系限于摘要所述框架，不能直接推广到所有计数过程；摘要未说明协变量设定、估计程序及应用中的拟合比较。
原文摘要
This paper explores the relation between nonexponential waiting times between events and the distribution of the number of events in a fixed time interval. It is shown that within this framework the frequently observed phenomenon of overdispersion, i.e., a variance that exceeds the mean, is caused by a decreasing hazard function of the waiting times, while an increasing hazard function leads to underdispersion. Using the assumption of i.i.d. gamma distributed waiting times, a new count data model is derived. Its use is illustrated in two applications: the number of births and the number of doctor consultations.