用于拟合含过度离散相关数据的多元负二项模型的诊断工具
统计方法学
2025-03-26 v1 应用统计
摘要
我们致力于为多元负二项（MNB）回归模型开发诊断工具及名为MNB的R包，以检测非典型和有影响的个体。MNB模型由Poisson混合模型推导而来，其中随机截距服从广义对数伽马（GLG）分布。针对相关计数数据的MNB模型导出MNB回归模型，该模型继承层次模型特征，可同时容纳组内相关与过度离散的发生。离散参数估计量的渐近一致性依赖于GLG分布的不对称性。MNB回归模型的推断过程简单，尽管当相关结构设定错误时其可能提供渐近方差的不一致估计。我们提出随机化分位数残差以检验多元模型的充分性，并推导多元模型的全局与局部影响度量以评估有影响个体。最后，数据分析部分给出两个应用。安装MNB包的代码及两例中所用代码见附录。
引用
@article{arxiv.2102.07752,
title = {Diagnostic tools for a multivariate negative binomial model for fitting correlated data with overdispersion},
author = {Lizandra Castilho Fabio and Cristian Villegas and Jalmar M. F. Carrasco and Mário de Castro},
journal= {arXiv preprint arXiv:2102.07752},
year = {2025}
}