计数模型泊松回归与负二项回归选择标准.docxVIP

计数模型泊松回归与负二项回归选择标准

在社会科学、公共卫生、经济学等诸多研究领域，研究者经常会遇到以非负整数形式呈现的因变量，比如居民年度就诊次数、企业年度专利申请量、青少年年度违纪次数等，这类数据被统称为计数数据。计数数据既不服从正态分布，也无法满足普通线性回归的同方差、线性关系等基本假设，若直接使用常规线性模型进行分析，会导致估计结果出现严重偏差（伍德里奇，2015）。计数模型正是专门针对这类数据开发的分析工具，其中泊松回归是最基础的经典模型，负二项回归则是其应用最广泛的扩展形式。但在实际研究中，不少研究者对二者的选择逻辑认识模糊，存在要么盲目使用负二项回归、要么机械套用泊松回归的问题，进而影响研究结论的可靠性。系统梳理泊松回归与负二项回归的选择标准，明确二者的适用边界与决策逻辑，不仅能提升计量分析的规范性，也能为后续更复杂的计数模型应用奠定基础。

一、泊松回归与负二项回归的核心内涵与基本假设

要掌握两个模型的选择标准，首先需要明确二者的核心逻辑与前提假设，从本质层面理解二者的差异。泊松回归是计数模型的基础形态，负二项回归则是对泊松模型核心假设的放松与扩展，二者既有紧密的理论关联，也有明确的适用边界。

（一）泊松回归的核心逻辑与前提假设

泊松回归的理论基础是泊松分布，该分布最初用于描述单位时间、单位空间或特定范围内稀有随机事件的发生次数，比如某路口月度交通事故数、某医院每日急诊