1.计数统计模型
4.4 计数数据模型 – 百度文库https://wenku.baidu.com/view/2b488e62561252d380eb6eac.html ;2.python中df.describe() 先进行描述性统计
采用O 检验判定数据是否过离散,统计量的计算如下,当O≥1. 96 时,数据存在过离散。
(2)零膨胀检验
数据时常存在大量零频数,即许多个体在观察时间内 未发生相应的事件。可选用零膨胀 Poisson( Zero-inflated Poisson,ZIP) 回归或零膨胀负二项( Zero-inflated Negative Binomial,ZINB) 回归,即本研究所指零膨胀回归模型。 但是,采用零膨胀回归模型之前必须验证零膨胀模型对零事件的预测能力是否显著优于传统回归模型,比较两类模型的适宜性。
目前多数研究者常采用似然比检验比较模型间 的优越性,但是该检验的应用条件为,待比较的模型 是嵌套模型,然而传统的 Poisson ( 或负二项) 回归 与 ZIP ( 或 ZINB ) 属于非嵌套模型 ,因此似然比检验不适用。 这种情况下可选用非嵌套模型选择的检 验方法——— Vuong 检验 。 Vuong 检验( 简称 V 检验) 可以比较传统回归和零膨胀回归模型的适宜性,选出符合数据分布特征的模型进行拟合和预测。
参考文献:Vuong 检验在临床研究中的应用及 SAS 实现
目前仅 Stata 软件通过简便的菜单命令实现 V 检验
Stata操作1:导入数据_哔哩哔哩_bilibili 计量经济学:STATA入门操作,数据导入https://www.bilibili.com/video/BV1NQ4y1k75M ; 【离散变量】零膨胀泊松模型_哔哩哔哩_bilibili 零膨胀泊松模型 zero-inflated poissonhttps://stats.idre.ucla.edu/stata/dae/zero-inflated-poisson-regression【离散变量】计数模型(泊松回归) av95610789Stata绘图——直方图 av94842904*Stata入门——快速了解数据集(describe,sumarize,tabula https://www.bilibili.com/video/BV1pE411w7Kj ; ZIP-too many Zero:零膨胀泊松回归模型| 连享会主页【 连享会主页 】https://www.lianxh.cn/news/2144066aaa0b4.html ; Zero-inflated Negative Binomial Regression | Stata Data Analysis Examples https://stats.idre.ucla.edu/stata/dae/zero-inflated-negative-binomial-regression/;
说明:原文提供的是 vuong 选项。而在 Stata 16 中,命令报错,提示已经不建议使用 vuong 检验来选择模型。可以使用 forcevuong 强制进行 vuong 检验。报错如下:
补充:
Original: https://blog.csdn.net/hanwanbing/article/details/121204865
Author: hanwanbing
Title: 计数数据分析模型:零膨胀负二项(ZINB)回归模型
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/626879/
转载文章受原作者版权保护。转载请注明原作者出处!