Tests for Detecting Overdispersion in the Positive Poisson Regression Model
正值 Poisson 回归模型中过度离散的检测检验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：摘要研究一般零截断计数回归的过度离散检验，罢工应用不足以支持所列具体领域分类。
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
正值 Poisson 回归模型中过度离散的检测检验
- 研究问题
- 在只观察正计数的零截断 Poisson 回归中，如何检测过度离散，能否通过检验大小校正改善小样本的显著性水平与功效表现？
- 方法与思路
- 作者针对零截断负二项备择推导得分检验，赋予其条件矩检验解释，并通过得分函数的渐近展开校正检验大小。
- 材料陈述的贡献
- 摘要称，检验仅需拟合零截断 Poisson 模型，并包含多种普通 Poisson 过度离散检验作为特例；模拟显示校正改善小样本表现。
- 阅读关注点
- 核对零截断处理、备择参数与得分展开的条件，比较校正前后的大小和功效，并检查美国制造业罢工示例的模型设定。
- 阅读边界
- 摘要未说明模拟样本量、参数范围和改善幅度；针对负二项备择的结果不能直接推广到全部额外变异来源或有限样本情形。
原文摘要
This article derives score tests for extra-Poisson variation in the positive or truncated-at-zero Poisson regression model against truncated-at-zero negative binomial family alternatives. It also develops size-corrected tests of overdispersion that are expected to improve their small-sample properties. Further, small-sample performance of the tests is investigated by means of Monte Carlo experiments. As an illustration, the proposed tests are applied to a model of strikes in U.S. manufacturing. The proposed tests have an interpretation as conditional moment tests and require only the positive Poisson model to be estimated. It is shown that most of the tests for overdispersion in the regular Poisson model given in the econometric and statistical literature can be obtained as special cases of the tests developed in this article. Monte Carlo experiments indicate that the size correction, based on the asymptotic expansions of the score function, is effective in improving the accuracy of the size and power of the tests in small samples.