用於處理膨脹、截斷與離散問題的廣義 Conway Maxwell Poisson 模型

講座概要:

社會科學研究中的頻次數據常出現,包含截斷、取值膨脹,以及過離散或欠離散等各類問題,導致標準泊松(Poisson)模型與負二項(Negative Binomial)模型不再適用。Conway Maxwell Poisson(CMP)模型因其應歸數據問題的彈性,和回歸係數的易解讀性,受到學界推薦。然而由於該模型實現的技術困難,其應用十分有限,尤其在社會科學研究者普遍熟悉的商業軟件當中更是少見。

為解決此一問題,本研究利用開源語言R 實現CMP 模型,並將其擴展為可以納入截斷、取值膨脹,以及潛在的集群效應的通用建模框架。透過一系列模擬實驗,本研究系統的評估了CMP模型在不同截斷、膨脹情境下的表現。模擬結果顯示,標準模型泊松或負二項式會產生嚴重偏誤,且置信區間覆蓋率表現不佳;隨著膨脹程度上升,模型表現會進一步惡化。而 CMP 模型可得到無偏估計、較低的均方根誤差(RMSE),並擁有合格的覆蓋率。此外,本研究也比較了 CMP 模型當中兩種歸一化常數的近似計算方法。

講者:

蔡天驥教授
澳門大學社會學系教授

網上直播連結:

Related Posts