计数数据回归中的过度分散通常是由于忽略或不恰当地建模个体异质性、时间或空间相关性以及非线性协变量效应所致。在本文中，我们开发和研究了半参数计数数据模型，该模型可以通过将结构加法形式的相应分量合并到预测器中来处理这些问题。模型是完全贝叶斯的，推理是通过计算效率高的MCMC技术进行的。在一项模拟研究中，我们研究了如何利用手头的数据识别不同的组件。该方法应用于汽车保险索赔频率的大数据集。