Regression model
泊松回归与负二项回归
泊松回归是一种广义线性模型，用于处理计数型结果——即非负整数的事件计数，例如住院次数、事故次数或文章数量。它将预期计数的对数建模为预测变量的线性函数，其标准计数数据处理方法由 Cameron and Trivedi (1998) 提出；当计数数据出现过度分散时，则倾向于使用密切相关的负二项模型 (Hilbe, 2011)。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
另有 13 项
来源
- Cameron, A. C. & Trivedi, P. K. (1998). Regression Analysis of Count Data. Cambridge University Press. DOI: 10.1017/CBO9780511814365 ↗
- Hilbe, J. M. (2011). Negative Binomial Regression (2nd ed.). Cambridge University Press. DOI: 10.1017/CBO9780511973420 ↗
如何引用本页
ScholarGate. (2026, June 1). Poisson and Negative Binomial Regression. ScholarGate. https://scholargate.app/zh/econometrics/poisson-regression
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 逻辑回归研究统计学↔ 比较
- 普通最小二乘法 (OLS) 回归计量经济学↔ 比较
- 面板数据固定效应模型计量经济学↔ 比较
- 分位数回归计量经济学↔ 比较