Bayes条件下负二项与零膨胀模型及应用.pdfVIP

摘 要 在公共卫生，经济，医学以及农业等众多领域都存在着大量的计数数据。对于这类数 据的处理，人们常运用一些经典的离散模型，如泊松模型，负二项模型，广义泊松模型等。 然而在实际问题中，资料中包含的零数据通常比经典离散模型能够预测的取值为零的数据 再适合它们。近年来兴起的零膨胀模型成为分析这类零过多数据的有效方法，本文主要研 究这类模型的极大似然估计和贝叶斯估计方法的探讨，着重介绍零膨胀泊松模型的贝叶斯 估计。 本文第一章介绍了研究背景。第二章主要介绍贝叶斯方法的基本理论及处理算法。第 三章介绍了泊松模型和负二项模型的基本概念，并将泊松回归和负二项回归在贝叶斯条件 下进行理论分析，案例研究病人一年内拜访医生次数与年龄及自己对身体状况的认识的关 系的一个实例，并对数据在先验假设条件下进行贝叶斯估计。第四章介绍了ZIP模型和 ZINB模型的参数估计方法，并以ZIP模型为例进行模拟研究，讨论了极大斯然估计的效 果，以钓鱼数据为例利用ZIP模型对参数进行两种估计方法的分析，结果表明在样本数较 小情况下，贝叶斯估计更能显示出统计学意义且分析图像能更加清晰地展示贝叶斯方法的 有效性。第五章简单叙述了本文所做的学习结果。结果表明泊松回归和负二项回归模型是 拟合计数数据的基本模型，但当零数据比重较大时，这两种模型的估计效果较差