Sıfır Şişirilmiş Negatif Binom (ZINB) Regresyonu
Zero-Inflated Negative Binomial (ZINB) Regression · Ayrıca şöyle bilinir: ZINB, ZINB regression, zero-inflated negative binomial model, Sıfır-Şişirilmiş Negatif Binom Regresyonu (ZINB)
Sıfır Şişirilmiş Negatif Binom regresyonu, Greene (1994) tarafından tanıtılan, hem aşırı sıfırları hem de aşırı yayılımı gösteren sayım verilerini işleyen bir sayım modelidir. Yapısal sıfırlar üreten ikili bir şişirme sürecini, negatif binom sayım süreciyle birleştirerek, gerçek dünya sayım verileri için en yaygın kullanılan dağılımlardan biri haline getirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bağımlı değişkenin hem aşırı sıfırları hem de aşırı yayılımı (ortalamanın oldukça üzerinde varyans) gösteren bir sayım olduğu ve en az yaklaşık 50 gözlemden oluşan makul bir örneklem büyüklüğüne sahip olduğunuzda ZINB'yi kullanın. Aşırı yayılımı doğrulamak için önce bir Cameron-Trivedi aşırı yayılım testi çalıştırılmalı ve ZINB'yi düz bir sıfır şişirilmiş Poisson (ZIP) modelle karşılaştırmak için bir Vuong testi kullanılabilir. Kesitsel ve panel yapılarına uygundur ve sayım veya şişirme kısmında sürekli, kategorik veya ikili tahmincileri kabul eder.
Güçlü yönler & sınırlılıklar
- Aynı anda hem aşırı sıfırları hem de aşırı yayılımı ele alır, ki bu sıfır şişirilmiş bir Poisson modeli yapamaz.
- Negatif binom yayılım parametresi ekstra varyansı emer, Poisson tabanlı alternatiflerden daha dürüst standart hatalar verir.
- Yapısal sıfırları örneklem sıfırlarından ayırır, şişirme ve sayım süreçleri için farklı tahmincilere izin verir.
- Şişirme, sayım ve yayılım parametrelerini kararlı bir şekilde tahmin etmek için oldukça büyük bir örneklem (en az yaklaşık 50 gözlem) gerektirir.
- İki parçalı karışımın tek denklemli bir sayım modelinden daha karmaşık bir şekilde belirtilmesi ve yorumlanması gerekir.
- Veriler gerçekte aşırı yayılımlı değilse, daha basit sıfır şişirilmiş Poisson tercih edilebilir; model seçimi bir Vuong testi ile kontrol edilmelidir.
SSS
ZINB, sıfır şişirilmiş Poisson'dan (ZIP) nasıl farklıdır?
Her ikisi de yapısal bir sıfır sürecini bir sayım süreciyle karıştırır, ancak ZINB, bir yayılım parametresi ekleyen negatif binom sayım kısmını kullanır. Bu, ZINB'nin varyansın ortalamayı aştığı aşırı yayılımı ele almasına izin verir, ki bu ZIP yapamaz. Bir Vuong testi aralarında karar vermeye yardımcı olur.
Verilerimin aşırı yayılımlı olduğunu nasıl anlarım?
Uydurmadan önce bir Cameron-Trivedi aşırı yayılım testi çalıştırın. Sayımın varyansı ortalamasından önemli ölçüde büyükse, aşırı yayılım mevcuttur ve Poisson yerine negatif binom bileşeni gereklidir.
ZINB, bir engel modelinden nasıl farklıdır?
ZINB, sıfırları yapısal sıfırların ve sıradan sayım sıfırlarının bir karışımı olarak ele alır, bu nedenle sıfırlar her iki süreçten de gelebilir. Bir engel modeli, her sıfırın tek bir kapıdan (sıfır veya pozitif) geldiğini varsayar ve ikinci kısımda yalnızca pozitif sayımları modeller.
Ne kadar örneklem büyüklüğüne ihtiyacım var?
ZINB, bir şişirme denklemi, bir sayım denklemi ve bir yayılım parametresini maksimum olabilirlik ile birlikte tahmin ettiği için, kararlı tahminler için en az yaklaşık 50 gözlemden oluşan makul bir örneklem önerilir.
Kaynaklar
- Greene, W. H. (1994). Accounting for Excess Zeros and Sample Selection in Poisson and Negative Binomial Regression Models. NYU Working Paper. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Zero-Inflated Negative Binomial (ZINB) Regression. ScholarGate. https://scholargate.app/tr/statistics/zero-inflated-negative-binomial
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Beta Regresyonuİstatistik↔ karşılaştır
- Sayısal Veriler için Engelli Modelİstatistik↔ karşılaştır
- Negatif Binominal RegresyonEkonometri↔ karşılaştır
- Poisson ve Negatif Binom RegresyonuEkonometri↔ karşılaştır
- Sıfır-Şişirilmiş Poisson (ZIP) Regresyonuİstatistik↔ karşılaştır