Данные подсчета - Count data

В статистика, подсчитывать данные это тип статистических данных, тип данные в котором наблюдения могут принимать только неотрицательные целое число значения {0, 1, 2, 3, ...}, и где эти целые числа возникают из подсчет скорее, чем рейтинг. Статистическая обработка данных подсчета отличается от обработки двоичные данные, в котором наблюдения могут принимать только два значения, обычно представленные 0 и 1, и из порядковые данные, который также может состоять из целых чисел, но где отдельные значения попадают в произвольную шкалу и важен только относительный рейтинг

Подсчет переменных

Отдельный фрагмент данных подсчета часто называют счетная переменная. Когда такая переменная рассматривается как случайная переменная, то Пуассон, биномиальный и отрицательный бином дистрибутивы обычно используются для представления его распределения.

Графическая экспертиза

Графическому исследованию данных подсчета может помочь использование преобразование данных выбран, чтобы иметь свойство стабилизации выборочной дисперсии. В частности, квадратный корень преобразование может использоваться, когда данные могут быть аппроксимированы распределение Пуассона (хотя другие преобразования имеют несколько улучшенные свойства), а обратное преобразование синуса доступно, когда биномиальное распределение является предпочтительным.

Связь данных подсчета с другими переменными

Здесь переменная count будет рассматриваться как зависимая переменная. Статистические методы, такие как наименьших квадратов и дисперсионный анализ предназначены для работы с непрерывно зависимыми переменными. Их можно адаптировать для работы с данными подсчета с помощью преобразования данных такой как квадратный корень трансформация, но у таких методов есть ряд недостатков; они в лучшем случае приблизительны и оценивают параметры которые часто трудно интерпретировать.

В распределение Пуассона может служить основой для некоторого анализа данных подсчета и в этом случае Регрессия Пуассона может быть использовано. Это частный случай класса обобщенные линейные модели который также содержит конкретные формы модели, способные использовать биномиальное распределение (биномиальная регрессия, логистическая регрессия ) или отрицательное биномиальное распределение где предположения модели Пуассона нарушаются, в частности, когда диапазон значений счета ограничен или когда чрезмерная дисперсия настоящее.

Смотрите также

дальнейшее чтение

  • Кэмерон, А.С.; Триведи, П. К. (2013). Регрессионный анализ книги учетных данных (Второе изд.). Издательство Кембриджского университета. ISBN  978-1-107-66727-3.
  • Хильбе, Джозеф М. (2011). Отрицательная биномиальная регрессия (Второе изд.). Издательство Кембриджского университета. ISBN  978-0-521-19815-8.
  • Винкельманн, Райнер (2008). Эконометрический анализ данных подсчета (Пятое изд.). Springer. Дои:10.1007/978-3-540-78389-3. ISBN  978-3-540-77648-2.