.png){kind=icon}
返回
Modeling Bounded Count Environmental Data Using a Contaminated Beta-Binomial Regression Model
.png){kind=icon}
OA
AI
DOI：10.1002/env.70067.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
环境研究中常见于有限计数数据。本文探讨了两个环境应用以说明其相关性。第一个研究了冬季营养不良对骡鹿（Odocoileus hemionus）幼鹿死亡率的影响。第二个应用使用Eurobarometer 95.1调查（2021年3-4月）数据分析了公众对环境问题的看法，该调查包含一个1到10分评定气候变化感知严重性的问题。这些研究共同表明，环境研究中需要灵活的有限计数模型。在此背景下，二项式和贝塔-二项式（BB）模型被广泛用于有限计数数据，其中BB模型具有处理过度离散的优势。然而，实际应用中的非典型观测值可能影响BB模型的性能，导致有偏或误导性的推断。为解决此限制，我们提出了污染贝塔-二项式（cBB）分布（cBB-D），通过引入额外的BB成分来容纳非典型观测值，同时保持BB模型的均值和方差结构。cBB-D因此能捕捉有限计数数据中的过度离散和污染效应。为纳入解释变量，我们进一步开发了污染贝塔-二项式回归模型（cBB-RM），其中部分或全部cBB参数可依赖于协变量。所提出的模型应用于两个环境数据集，并通过模拟数据的敏感性分析评估非典型观测值对参数估计的影响。该方法学已实现在开源的R软件包cBB中，可从https://github.com/arnootto/cBB获取。
Keyword:
beta-binomial
climate data analysis
contaminated beta-binomial distribution
count data
count data regression modeling
kurtosis
overdispersion
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
E
IF:
1.7
论文数:
59
被引数:
2.1K
机构
引用论文
.png){kind=icon}
Exporting Air Pollution? Regulatory Enforcement and Environmental Free Riding in the United States
PREAI
分享收藏分享收藏Impact of climate change on biodiversity and food security: a global perspective—a review article
OAAI
OAAI分享收藏
查看更多内容