Metacountregressor：一个用于计数数据模型广泛分析与辅助估计的 Python 包
统计方法学
2025-05-07 v1
摘要
由于观测稀少和底层过程复杂，分析并建模计数数据中的稀有事件面临重大挑战，而分析师常因时间、资源、知识的限制以及偏差的影响而忽视这些挑战。本文介绍了 MetaCountRegressor，一个旨在促进由元启发式算法引导的稀有事件预测计数建模的 Python 包。MetaCountRegressor 包提供了专门针对稀有事件预测独特特征而定制的广泛功能。该包提供了一系列元启发式算法，能够高效地探索解空间，促进有效的优化和参数调优。这些算法专门设计用于处理为预测目的建模稀有事件以及捕获易于解释的因果效应所固有的挑战。基于决策的优化框架可生成最先进的模型。这包括通过随机参数捕获未观测异质性的能力，并允许相关和分组的随机参数。它还支持随机参数的多种分布，并能捕获均值的异质性。该包还支持面板数据等其他功能，并作为一个系统框架，供分析师发现优化驱动的结果，从而节省时间、减少偏见并最大限度地减少对广泛先验知识的需求。
引用
@article{arxiv.2505.03133,
title = {Metacountregressor: A python package for extensive analysis and assisted estimation of count data models},
author = {Zeke Ahern and Paul Corry and Alexander Paz},
journal= {arXiv preprint arXiv:2505.03133},
year = {2025}
}