调查中零频数过多的统计分析方法.pdfVIP

第34卷 第5期 绵阳师范学院学报 Vol.34 No.5 2015年5月 Journal of Mianyang Normal University May. ，2015 调查中零频数过多的统计分析方法 赵国敏，李国东 （新疆财经大学，乌鲁木齐 830012） 摘 要：无论是在自然科学领域还是在人文社会科学领域，我们会遇到各种各样的计数数据. 对于社会生 活、生产、管理中的一些计数数据通常是用泊松分布以及泊松过程来描述具有非常好的拟合效果. 然而实际环境 中，由于受各种因素影响与制约，出现了很多频数为零的数据. 此时对含零特别多的计数数据，我们仍用泊松回归 ［1］ 模型拟合就有些不合适了 ，因此人们开始构造新的模型，其中对于这种数据拟合效果比较好的一种模型就是零 过多泊松分布模型（ ［3，5］ ero-Inflated Poisson Distribution） . 关键词：零过多泊松分布（ IP）；泊松分布；用车发生问题次数 中图分类号：O212 文献标志码：A 文章编号：1672-612x（2015）05-0008-04 1 资料来源 大陆汽车俱乐部有限公司跟踪了8700 位车主在2007 年全年的用车情况，总结了2007 年中国汽车问 题使用年度报告. 报告显示：在这些车主的用车过程中，有2895 位车主的汽车发生了问题，发生问题车辆 数约为样本总量的33.28%. 也即没有发生问题的车辆数约占样本总量的66.72%. 调查得知平均每辆车 发生问题的次数约为0.72次，如果用泊松分布来拟合（ =0.72），则汽车发生问题次数K =0 的概率约为 λ 49.74%. 对所得数据进行泊松检验，p 值远小于0.001，数据不符合泊松分布. 为了进一步说明该数据不符合泊松分布，还可把观测值的分布与模拟泊松分布数据相比较（如表 1）， 由图1可看出观察值与泊松分布拟合比较差. 表1 拟合数据相比 Tab.1 Comparison of fitting data K 0 1 2 3 4 5 观测值nk 5805 1067 897 567 260 104 模拟泊松分布数据n 4327 3016 1132 266 44 5 pk 2 零过多泊松分布模型实例应用 2.1 零过多泊松分布模型 由以上数据及图表可以看出观测值车辆发生问题次数为零的数 据明显偏多，此时仍用泊松分布来拟合就不合适了，因此人们开始构 造新的模型，其中对于这种数据拟合效果比较好的一种模型就是零 过多泊松分布模型（ ero-InflatedPoissonDistribution），IP模型是目 前情况下处理零过多资料常用的一种分析方法. 此模型是由一个在 图1 拟合数据相比 零处具有概率质量的退化分布和一个普通泊松分布混合形成的. IP Fig.1 Comparison of fitting data 收稿日期：2014 -02-20 作者简介：赵国敏（1988- ），女，河北人，硕士研究生，研究方向：数据挖掘与分析； 通讯作者：李国东，男，黑龙江人，教授，研究生导师，研究方向：数据挖掘与分析 * 赵国敏等：调查中零频数过多的统计分析方法