×
阿尔多·加雷（Aldo M.Garay）。;维克托·拉科斯（Victor H.Lachos）。;海伦诺·博尔法林

零膨胀负二项回归模型的贝叶斯估计和案例影响诊断。 （英语） Zbl 1514.62579号

J.应用。斯达。 42，第6期，1148-1165（2015）.
摘要：近年来，基于零膨胀分布的回归模型受到了广泛关注。这些模型在许多学科中常见，例如医学、公共卫生和环境科学等。对于这些类型的问题，通常考虑零膨胀泊松（ZIP）模型。然而，如果非零计数相对于泊松分布过度分散，ZIP模型可能会失败，因此零膨胀负二项（ZINB）模型可能更合适。本文提出了一种贝叶斯方法来拟合ZINB回归模型。该模型认为，观测到的零点可能来自零点处的点质量分布或来自负二项模型。该似然函数不仅用于计算一些贝叶斯模型选择测度，还用于基于（q）-发散测度开发贝叶斯案例删除影响诊断。使用标准贝叶斯软件（如WinBUGS）可以轻松实现该方法。通过仿真研究评估了该方法的性能。此外，对实际数据集进行了分析，我们发现ZINB回归模型似乎比泊松模型更适合数据。

引用于三文件

MSC公司：

62至XX 统计

关键词：

二项负分布;贝叶斯推断;\（q\）-散度度量;零膨胀模型;MCMC公司

软件：

公牛;R（右）;WinBUGS公司
PDF格式BibTeX公司 XML格式引用
\文本{A.M.Garay}等人，J.Appl。《法律总汇》第42卷，第6期，1148-1165页（2015年；兹bl 1514.62579）
全文： 内政部

参考文献：

[1] D.Agarwal、A.Gelfand和S.Citron-Pousty，零膨胀模型及其在空间计数数据中的应用，环境。经济。《统计》第9卷（2002年），第341-355页。doi:10.1023/A:1020910605990·doi:10.1023/A:1020910605990
[2] D.Bohning、E.Dietz、P.Schlattmann、L.Mendonca和U.Kirchner，牙齿流行病学中的零膨胀泊松模型与龋齿、缺牙和补牙指数，J.R.Stat.Soc.Ser.，《美国国家统计年鉴》。A Stat.Soc.162（1999），第195-209页。doi:10.111/1467-985X.00130·doi:10.1111/1467-985X.00130
[3] S.Brooks，Spiegelhalter、Best、Carlin和van der Linde对论文的讨论，J.R.Stat.Soc.Ser.，《美国国家统计年鉴》。B统计方法。64（2002），第616-618页。
[4] V.G.Cancho、E.M.Ortega和G.A.Paula，log-Birnbaum-Saunders Student-t回归模型的估计和影响诊断：完全贝叶斯分析，J.Statist。计划。推断140（2010），第2486-2496页。doi:10.1016/j.jspi.2010.02.017·Zbl 1188.62135号 ·doi:10.1016/j.jspi.2010.02.017
[5] B.Carlin和T.Louis，数据分析的贝叶斯和经验贝叶斯方法第二版，查普曼和霍尔/CRC，博卡拉顿，2001年。
[6] M.Chen、Q.Shao和J.Ibrahim，贝叶斯计算中的蒙特卡罗方法，Springer-Verlag，纽约州纽约市，2000年·Zbl 0949.65005号 ·doi:10.1007/978-1-4612-1276-8
[7] H.Cho、J.G.Ibrahim、D.Sinha和H.Zhu，生存模型的贝叶斯案例影响诊断《生物统计学》第65卷（2009年），第116-124页。doi:10.1111/j.1541-0420.2008.01037.x·兹比尔1159.62073 ·doi:10.1111/j.1541-0420.2008.01037.x
[8] R.库克，当地影响评估，J.R.Stat.Soc.Ser.，《美国国家统计年鉴》。B Methodol公司。48（1986），第133-169页·Zbl 0608.62041号
[9] R.Cook和S.Weisberg，回归中的残差和影响查普曼和霍尔出版社，纽约，1982年·Zbl 0564.62054号
[10] 一、西沙尔，概率分布差异和间接观测的信息型测度，科学研究所。数学。匈牙利。2（1967年），第299-318页·Zbl 0157.25802号
[11] J.Doornik，使用Ox 3.0的面向对象矩阵编程第4版，Timberlake Consultants Ltd，伦敦，2007年。可在http://www.nuff.ox.ac.uk/Users/Doornik网站，4月访问。
[12] A.M.Garay、E.M.Hashimoto、E.M.Ortega和V.H.Lachos，零膨胀负二项回归模型的估计与影响诊断，计算。统计师。数据分析。55（2011），第1304-1318页。doi:10.1016/j.csda.2010.09.019·Zbl 1328.65029号 ·doi:10.1016/j.csda.2010.09.019
[13] A.Gelfand、D.Dey和H.Chang，使用预测分布确定模型，并通过基于抽样的方法实现《贝叶斯统计》第4卷（1992年），第147-167页。
[14] A.Gelman、J.Carlin和D.Rubin，《贝叶斯数据分析》，查普曼和霍尔/CRC，纽约州纽约市，2006年·Zbl 1039.62018号
[15] D.B.霍尔，具有随机效应的零膨胀泊松和二项回归：一个案例研究《生物统计学》第56卷（2000年），第1030-1039页。doi:10.1111/j.0006-341X.2000.01030.x·Zbl 1060.62535号 ·doi:10.1111/j.0006-341X.2000.01030.x
[16] D.兰伯特，零膨胀泊松回归及其在制造缺陷中的应用《技术计量学》第34卷（1992年），第1-14页。doi:10.2307/1269547·Zbl 0850.62756号
[17] D.J.Lunn、A.Thomas、N.Best和D.Spiegelhalter，Winbugs——贝叶斯建模框架：概念、结构和可扩展性，统计计算。10（2000年），第325-337页。doi:10.1023/A:1008929526011·doi:10.1023/A:1008929526011
[18] G.Martinez-Flores、H.Bolfarine和H.Gomez，有限反应的非对称回归模型及其在疫苗抗体反应中的应用，生物。J.55（2013），第156-172页。doi:10.1002/bimj.201100116·Zbl 1441.62434号 ·doi:10.1002/bimj.201100116
[19] L.H.Moulton和N.A.Halsey，带有检测限的混合模型用于疫苗抗体反应的回归分析《生物统计学》51（1995），第1570-1578页。doi:10.2307/2533289·Zbl 0875.62502号 ·doi:10.2307/2533289
[20] S.Mwalili、E.Lesaffre和D.Declerck，零膨胀负二项回归模型及其错误分类修正：龋病研究中的一个实例《Stat.Methods Med.Res.17》（2008年），第123-139页。doi:10.1177/0962280206071840·Zbl 1157.62042号 ·doi:10.1177/0962280206071840
[21] B.H.Neelon、A.J.O'Malley和S.-L.T.Normand，重复测量零膨胀计数数据的贝叶斯模型及其在门诊精神病服务中的应用，统计模型。10（2010年），第421-439页。doi:10.1177/1471082X0901000404·Zbl 07256832号 ·doi:10.1177/1471082X0901000404
[22] C.Paulino、M.Amaral和B.Murteira，Estatística Bayesiana（葡萄牙语），Fundaçao Calouste Gulbenkian，里斯本，2003年。
[23] F.Peng和D.K.Dey，使用发散测度的异常值问题的贝叶斯分析、加拿大。J.统计。23（1995年），第199-213页。doi:10.2307/3315445·Zbl 0833.62028号 ·doi:10.2307/3315445
[24] R核心团队。R： 统计计算语言和环境。R统计计算基金会，奥地利维也纳，2013年。
[25] M.Ridout、J.Hinde和C.G.B.Demétrio，零膨胀泊松回归模型对零膨胀负二项替代方案的测试得分检验《生物统计学》57（2001），第219-223页。文件编号：10.1111/j.0006-341X.2001.00219.x·兹比尔1209.62079 ·文件编号：10.1111/j.0006-341X.2001.00219.x
[26] D.J.Spiegelhalter、N.G.Best、B.P.Carlin和A.Van der Linde，模型复杂性和拟合的贝叶斯度量，J.R.Stat.Soc.Ser.，《美国国家统计年鉴》。B Methodol公司。64（2002），第583-639页。数字对象标识代码：10.1111/1467-9868.00353·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353
[27] I.维达尔和L.M.卡斯特罗，具有弱非微分误差的独立Student-t测量误差模型中的影响观测智利J.Statist。1（2010年），第17-34页·Zbl 1213.62049号
[28] R.维斯，贝叶斯灵敏度分析方法，J.R.Stat.Soc.Ser.，《美国国家统计年鉴》。B Methodol公司。58（1996），第739-750页·Zbl 0860.62031号
[29] R.Weiss和R.Cook，评估后遗症影响的grafical病例统计《生物统计学》79（1992），第51-55页·Zbl 0850.62283号
[30] 谢福川、林俊刚、魏柏川，贝叶斯零膨胀广义泊松回归模型：估计和案例影响诊断，J.应用。《法律总汇》第41页（2014年），第1383-1392页。doi:10.1080/0226677633.2013.871508·Zbl 1352.62106号
[31] X.-H.Zhou和W.Tu，包含零的诊断试验电荷数据平均值的置信区间《生物统计学》第56卷（2000年），第1118-1125页。doi:10.1111/j.0006-341X.2000.01118.x·Zbl 1060.62686号 ·doi:10.1111/j.0006-341X.2000.01118.x
[32] F.朱，零膨胀泊松和负二项积分值GARCH模型，J.Statist。计划。推断142（2012），第826-839页。doi:10.1016/jspi.2011.10.002·Zbl 1232.62121号 ·doi:10.1016/j.jspi.2011.10.002
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。