Accident Rate Potential: An Application of Multiple Regression Analysis of a Poisson Process
事故发生率潜势：泊松过程多元回归分析的应用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：摘要属于事故计数建模，未明确涉及离散选择、因果推断或宏观预测等所列方向。
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
事故发生率潜势：泊松过程多元回归分析的应用
- 研究问题
- 研究如何结合多个预测指标推导未来事故次数的分布，而不只依赖既往事故数量，并检验模型是否符合实际数据。
- 方法与思路
- 作者假定个人事故经历服从泊松过程，参数是指标变量的线性函数，以迭代加权最小二乘求解最大似然方程。
- 材料陈述的贡献
- 摘要提出使用多个指标预测事故分布的方法，展示大样本检验程序，并结合实际数据考察模型的可接受性。
- 阅读关注点
- 应核对泊松过程假设、线性参数的非负约束、迭代算法收敛，以及实际数据如何支持或反驳模型设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。数据来源、检验结果及预测误差未说明，不能判断模型拟合程度、因果含义或刊本变化。
原文摘要
Various accident frequency models have appeared in the literature which predict the distribution of future accidents based on the number of past accidents. This article presents a method for deriving such distributions using several predictive criteria. It is assumed that an individual's accident experience is a Poisson process with the parameter a linear function of criterion variables. An iterative weighted least-squares procedure is used to solve the system of maximum likelihood equations required for estimating this parameter and a large sample test procedure is illustrated. The tenability of the model is viewed in the light of actual data.