【摘要】：計(jì)數(shù)數(shù)據(jù)往往存在過(guò)離散(over-dispersed)即方差大于均值特征,若利用傳統(tǒng)的泊松回歸模型擬合數(shù)據(jù)往往會(huì)導(dǎo)致其參數(shù)的標(biāo)準(zhǔn)誤差被低估,顯著性水平被高估的錯(cuò)誤結(jié)論。負(fù)二項(xiàng)回歸模型、廣義泊松回歸模型通常被用來(lái)處理過(guò)離散特征數(shù)據(jù)。本文以兩類廣義泊松回歸模型GP-1和GP-2模型為基礎(chǔ),將其推廣為更為一般的GP-P形式,其中P為參數(shù)。此時(shí),P=1或P=2,GP-P模型就退化為GP-1和GP-2模型。文中最后利用此類推廣的GP-P模型處理了一組醫(yī)療保險(xiǎn)數(shù)據(jù),并與泊松回歸模型、負(fù)二項(xiàng)回歸模型擬合結(jié)果進(jìn)行了比較。結(jié)果表明,推廣后的GP-P模型的擬合效果更優(yōu)。
[Abstract]:The over-dispersed of the counting data is always larger than the mean value. If the traditional Poisson regression model is used to fit the data, the standard error of its parameters will be underestimated, and the significance level will be overestimated. Negative binomial regression model and generalized Poisson regression model are usually used to deal with discrete characteristic data. Based on two kinds of generalized Poisson regression models, GP-1 and GP-2, this paper generalizes them to a more general GP-P form, where P is a parameter. At this time, the GP-P model of PX 1 or PJ 2H degenerated into GP-1 and GP-2 models. Finally, a group of medical insurance data is processed by using this extended GP-P model, and the fitting results are compared with Poisson regression model and negative binomial regression model. The results show that the fitting effect of the extended GP-P model is better.
【作者單位】： 首都經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院;
【基金】：2015年中國(guó)保監(jiān)會(huì)部級(jí)課題項(xiàng)目支持 國(guó)家社會(huì)科學(xué)基金項(xiàng)目(12CJY114)支持
【分類號(hào)】：O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 陳小龍;;泊松回歸模型[J];科技資訊;2012年17期

2 徐昕;郭念國(guó);;雙泊松回歸模型在汽車(chē)保險(xiǎn)索賠次數(shù)中的應(yīng)用[J];河南機(jī)電高等�？茖W(xué)校學(xué)報(bào);2012年01期

3 戴林送;林金官;;廣義泊松回歸模型的統(tǒng)計(jì)診斷[J];統(tǒng)計(jì)與決策;2013年21期

4 王芯;呂曉玲;;應(yīng)用潛在分類泊松回歸模型及EM算法研究網(wǎng)絡(luò)購(gòu)物使用次數(shù)[J];統(tǒng)計(jì)與決策;2011年01期

5 陳異;戴琳;寇鵬;;零膨脹泊松回歸模型及其在交通事故中的應(yīng)用[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年10期

6 ;[J];;年期

，

本文編號(hào)：2154574