泊松分布已广泛用于使用对数线性模型对费率协议进行建模。大多数在所有生命或社会科学研究中，受试者被评分者、访谈者或观察者分类，这些表格中的大多数表明，细胞计数要么是太大的值，要么是两个较小的值或零值的混合物，这是稀疏的数据。我们称稀疏为大量单元频率非常小的情况。对于这类表格，存在过度分散的趋势，其中结果或响应的方差超过标称方差，即当响应大于给定模型下的应值或真实方差大于平均值时。在这些情况下，假设泊松模型意味着我们对估计施加均值-方差相等限制。这意味着我们将有效地要求方差小于实际值，并且因此，我们将低估数据的真实可变性。最后，这将导致我们低估标准误差，从而高估系数的精确度。负二项式具有方差函数，更适合用表中的稀疏数据对评分员协议进行建模，以便分散观察值或计数。我们观察到，当在有限数量的示例中存在稀疏数据时，假设负二项式作为下划线抽样方案更好地建模评分员协议。