用于低值处含质量点的引文分析的贝叶斯 hurdle 分位数回归模型
统计方法学
2021-07-14 v2 数字图书馆
摘要
分位数回归完整刻画了在因变量所有位置上（而非仅均值）对位置、尺度和形状的影响。我们关注引文计数分位数回归的两个挑战：不连续性与低计数处显著的质量点。King和Song（2019）提出了一种针对零处具显著质量点的计数数据的贝叶斯hurdle分位数回归模型，它对非零数据使用分位数回归、对零与非零概率使用逻辑回归建模。我们表明低引文计数的显著质量点几乎必然也会像零处质量点一样影响模型分位数回归部分的参数估计。我们通过将hurdle点移过主要质量点来更新King和Song模型。该模型对中度至高度被引文章给出了更精确的分位数回归，尤其在对应于刚超过质量点值的分位数处，并能估计各因素如何影响文章低被引概率的程度。为说明该方法潜力，将其应用于模拟引文计数与Scopus数据。
引用
@article{arxiv.2102.04481,
title = {A Bayesian Hurdle Quantile Regression Model for Citation Analysis with Mass Points at Lower Values},
author = {Marzieh Shahmandi and Paul Wilson and Mike Thelwall},
journal= {arXiv preprint arXiv:2102.04481},
year = {2021}
}
备注
Accepted in Quantitative Science Studies