第二章理论架构与分析模型.pdf

第二章 理論架構與分析模型 針對計數型資料 (Count Data)的模型建置，較常使用的迴歸模型之一為卜 瓦松迴歸模型 (Poisson Regression Model, PR) 。由於卜瓦松分配的特性，此類模 型僅適用於配適資料呈現出「平均數等於變異數」的情況。 然而就實際的計數型資料而言，由於資料可能由不同的子群體所組成，因而 造成母體異質性 (Population Heterogeneity)的狀況，使得資料呈現出 Over-dispersion 狀況，也就是變異數大於平均數的情況。此時，若僅僅使用卜瓦 松迴歸模型來進行配適，常會低估所觀察到的變異程度。縱然這樣的模型配適對 政 治 大 平均值的估計可能不會有太大的影響，但是卻會低估標準差，使得虛無假設 立 學 (Null Hypothesis)較容易得到拒絕的結果 (Cox, 1983) ，因而提高型一誤差(Type 國 ⅠError)的犯錯機率。解決方法之一為改採可以用來處理 Over-dispersion 狀況的 ‧ 負二項迴歸模型 (Negative Binomial Regression Model, NBR)或廣義卜瓦松迴歸 ‧ N 模型 (Generalized Poisson Regression Model, GP) 。 y a t t i 此處負二項迴歸模型的選用目的並非著眼於「直到第k 次成功前，其失敗次 i s o r n e 數」的配模，而是希望藉由負二項迴歸模型來處理資料中可能存在的 a v l i C n h U Over-dispersion 狀況，以便獲取適當的標準差估計值。但是由於負二項迴歸模型 engchi 只能處理 Over-dispersion的情況，而廣義卜瓦松迴歸模型除了可以處理 Over-dispersion的情況外，也可用在 Under-dispersion的狀況，適用範圍較廣，因 此我們選擇以「卜瓦松分配」及「廣義卜瓦松分配」為基準分配來作為本研究之 迴歸模型探討標的。 第一節 基準分配 2.1.1 卜瓦松分配 8    單位時間內「事件發生次數」的分配為卜瓦松分配 (Poisson distribution) 。 由法國數學家 Poisson 於 1838 年提出，是統計與機率學裡常見到的離散機率分 配。 令 為單位時間內事件的發生次數，並且