صفر تضخم بويسون في الفوركس ستاتا

4.A نماذج لبيانات عدد مفرطة توزيع نستخدم البيانات من لونغ (1990) على عدد من المنشورات التي تنتجها الدكتوراه. والكيمياء الحيوية لتوضيح تطبيق بواسون، الإفراط في تشتت بواسون، السلبي الحدين ونماذج بواسون تضخم صفر. المتغيرات في مجموعة البيانات هي الفن. مقالات في السنوات الثلاث الماضية من الدكتوراه. فيم. ترميز واحد للإناث مار. ترميز واحد إذا متزوج kid5. عدد الأطفال دون سن السادسة. بريستيج من الدكتوراه البرنامج. مقالات من قبل معلمه في السنوات الثلاث الماضية كما تم تحليل هذه البيانات من قبل لونغ وفريز (2001)، وهي متاحة من موقع ستاتا: متوسط ​​عدد المقالات هو 1.69 والتباين هو 3.71، أي أكثر قليلا من ضعف المتوسط. البيانات مفرطة في التشتت، ولكن بالطبع كنا نأخذ بعين الاعتبار أي المتغيرات المشتركة حتى الآن. نموذج بويسون دعونا تناسب النموذج الذي يستخدمه لونغ وفريز (2001)، وهو نموذج مضافة بسيطة باستخدام جميع المتنبئين الخمسة. يمكننا استخدام بواسون للحصول على التقديرات ثم إستات غوف للحصول على الانحراف، ولكن سوف تستخدم بدلا من ذلك الأمر غلم للحصول على كل من الانحراف و بيرسونس تشي مربع إحصاءات على الفور. سنقوم أيضا بتخزين التقديرات لاستخدامها لاحقا. ونحن نرى أن النموذج الواضح لا تناسب البيانات. القيمة الحرجة البالغة خمسة في المئة لمربع تشي مع 909 d. f. هو والانحراف و بيرسونس تشي مربع في كل من 1600s. اختلاف بواسون خارج نحن نفترض الآن أن التباين هو نسبي بدلا من يساوي الوسط، وتقدير المعلمة مقياس فاي تقسيم بيرسونس تشي مربع من قبل d. f. ونحن نرى أن التباين حوالي 83 أكبر من المتوسط. وهذا يعني أنه يجب علينا ضبط الأخطاء القياسية المضاعفة في 1.35، الجذر التربيعي لل 1.83. يمكن لأمر غلم القيام بذلك بالنسبة لنا عبر خيار المقياس () الذي يأخذ كحجة إما قيمة رقمية، في هذه الحالة 1.8289841، أو ببساطة x2 للإشارة إلى أن التعديل يجب أن يستند إلى بيرسونس تشي-سكارد: يمكنك التحقق من ذلك هذه الأخطاء القياسية حوالي 35 أكبر من ذي قبل. باستخدام هذا الإجراء لقد عزا أساسا كل عدم وجود تناسب للخطأ النقي. قد ترغب في محاولة بواسون مع خيار قوي لحساب الأخطاء القياسية باستخدام مقدر قوي أو شطيرة. سوف تحصل على نتائج مشابهة جدا. في كلتا الحالتين يجب أن يتم كل الاختبارات باستخدام والدز الإحصائية. لا يمكن إجراء اختبارات نسب الاحتمالية لأننا لا نضع افتراضات توزيعية كاملة حول النتيجة، بل نعتمد بدلا من ذلك على افتراضات حول المتوسط ​​والتباين. الانحدار الحدين السلبي نحن الآن تناسب نموذج ثنائي الحدين سلبي مع نفس التنبؤات: ستاتاس ألفا هو الفرق بين التأثير العشوائي المضاعف ويتطابق مع سيغما 2 في الملاحظات. ويقدر أن تكون 0.44 وهي ذات أهمية كبيرة (غير صفرية). لاختبار أهمية هذه المعلمة قد تفكر في حساب مرتين الفرق في الاحتمالات سجل بين هذا النموذج ونموذج بواسون، 180.2، ومعاملتها على أنها تشي مربع مع واحد d. f. غير أن المعادلات المعتادة لا تنطبق، لأن الفرضية الصفرية تقع على حدود مساحة المعلمة. هناك بعض الأعمال التي تبين أن تقريب أفضل هو علاج إحصائية كما 50:50 خليط من الصفر ومربع تشي مع واحد d. f. و ستاتا تنفذ هذا الإجراء، والإبلاغ عن إحصاء كما chi2bar. بدلا من ذلك، علاج إحصائية كما تشي مربع واحد يعطي اختبارا متحفظا. وفي كلتا الحالتين، لدينا أدلة دامغة على التجاوز المفرط. لاختبار الفرضيات حول معاملات الانحدار يمكننا استخدام إما اختبارات والد أو اختبارات نسبة الاحتمالية، والتي هي ممكنة لأننا قد جعلنا افتراضات التوزيع الكامل. عدم التجانس غير المراقب ستاتا له وظيفة غامادن (a، b، g، x) لحساب كثافة توزيع غاما مع الشكل a. ب. وموقع التحول ز. في ترميزنا الشكل هو ألفا، والمقياس هو 1beta والتحول هو 0. على وجه الخصوص، وكثافة عندما يكون تأثير عشوائي التباين الخامس هو غامادن (1V، V، 0، س). هذا يمكن استخدامها لرسم الكثافة. يمكننا أيضا حساب الكميات. وتحسب الدالة ماتا إنفغاماب (a، p) الكميات لتوزيع غاما القياسي بالشكل a. التي لديها مقياس 1 و 0 التحول. عندما يكون التوزيع التباين الخامس هي الرباعية إنفغاماب (1v، (1،2،3) 4) v. وينشر علماء الكيمياء الحيوية في الربع الأول من توزيع التغاير غير المدقق 49 ورقة أقل مما كان متوقعا من خصائصهم الملحوظة، في حين أن تلك التي في الوسط تنشر 14 أقل من تلك التي تنشر في الربع الثالث تنشر 33 أكثر مما كان متوقعا. مقارنة التقديرات والأخطاء المعيارية لا تختلف تقديرات المعلمات القائمة على النموذج ذي الحدين السالب اختلافا كبيرا عن تلك التي تستند إلى نموذج انحدار بواسون. دعونا نقارنها جنبا إلى جنب كلتا المجموعتين من تقديرات المعلمات من شأنها أن تؤدي إلى نفس الاستنتاجات. وبالنظر إلى الأخطاء القياسية المبلغ عنها تحت المعاملات مباشرة، فإننا نرى أن كلا النهجين في الإفراط في التشتت يؤدي إلى تقديرات مشابهة جدا وأن الانحدار العادي بواسون يقلل من الأخطاء القياسية الخير من صالح طريقة واحدة لحساب الانحراف من النموذج ذو الحدين السلبي هو تغذية تقدير التباين في غلم. والتي يمكن أن تناسب هذه النماذج لقيمة ثابتة من المعلمة مقياس ونحن نرى أن النموذج ذو الحدين السلبي يناسب أفضل بكثير من بواسون، ولكن لا يزال لديه انحراف (فقط) فوق القيمة الحرجة خمسة في المئة. دالة التباين تتميز بواسون المفرطة والمنماذج ثنائية الحدود السلبية بوظائف تباين مختلفة. طريقة واحدة للتحقق من أي واحد قد يكون أكثر ملاءمة هو إنشاء مجموعات على أساس التنبؤ الخطي، حساب المتوسط ​​والتباين لكل مجموعة، وأخيرا رسم العلاقة المتوسطة التباين. وهنا مجموعات على أساس التنبؤ الخطي السلبي ذي الحدين، التي تم إنشاؤها باستخدام إغن مع قطع () الفرعية و المجموعة () الخيار لإنشاء 20 مجموعات من حجم متساو التقريبي الآن نحن تنهار إلى مجموعة من البيانات والانحرافات المعيارية (انهيار لا تفعل الفروق، ولكن يمكننا دائما مربع الانحراف المعياري). نحن أيضا حساب أكثر من بواسون فرقت ووظائف التباين ثنائي الحدين السلبية والمؤامرة كل شيء وظيفة التباين بواسون يقوم بعمل جيد جدا للجزء الأكبر من البيانات، لكنه فشل في التقاط التباينات العالية من العلماء الأكثر إنتاجية. وظيفة التباين ثنائية الحدين السلبية ليست مختلفة جدا ولكن، كونها من الدرجة الثانية، يمكن أن ترتفع بشكل أسرع و لا وظيفة أفضل في نهاية عالية. نستنتج أن النموذج ثنائي الحدود السلبي يوفر وصفا أفضل للبيانات من نموذج بواسون المفرط. صفر بويسون تضخم وهناك تكرار حدوث مع عدد البيانات هو فائض من أصفار بالمقارنة مع ما هو متوقع تحت نموذج بواسون. هذا هو في الواقع مشكلة مع بياناتنا: نحن نرى أن 30.0 من العلماء في العينة نشرت أي مقالات في السنوات الثلاث الماضية من الدكتوراه. ولكن نموذج بواسون يتوقع أن 20.9 فقط لن يكون لها منشورات. من الواضح أن النموذج يقلل من احتمال التهم الصفرية. طريقة واحدة لنمذجة هذا النوع من الوضع هو افتراض أن البيانات تأتي من خليط من اثنين من السكان، واحد حيث التهم هو دائما صفر. وأخرى حيث يكون للعد توزيع بواسون مع متوسط ​​مو. في هذا النموذج الصفر التعداد يمكن أن تأتي من أي من السكان، في حين أن التهم الإيجابية تأتي فقط من الثانية. في سياق المنشورات التي كتبها الدكتوراه. يمكن لنا أن نتصور أن بعضهم كان يضع في اعتباره وظائف حيث لا تكون المنشورات مهمة، في حين أن البعض الآخر كان يهدف إلى وظائف أكاديمية حيث كان من المتوقع سجل المنشورات. وينشر أعضاء المجموعة الأولى مواد صفر، في حين أن أعضاء المجموعة الثانية سينشرون 0،1،2. وهو عدد يمكن افتراض أن له توزيع بواسون. ويمكن بعد ذلك نمذجة النتائج على شكل معلمتين، بي احتمال دوما، مو، متوسط ​​عدد المنشورات لمن ليسوا في المجموعة صفرية دائما. والطريقة الطبيعية لإدخال المتغيرات المتكافئة هي نموذج لوغيت من احتمال بي من الصفر دائما وسجل متوسط ​​مو لأولئك الذين ليسوا في الصف صفر دائما. ستاتا تنفذ هذا الجمع في الأمر البريدي عندما يفترض التهم بويسون. تطور مواز باستخدام نموذج ثنائي الحدين السلبي للعد في المجموعة الثانية يؤدي إلى الأمر زينب. في كلتا الحالتين يتم تحديد نموذج لاحتمال الصفر دائما في خيار تضخيم (). هنا هو نموذج بويسون صفر تضخم مع جميع المتغيرات في كل المعادلات: النظر في المعادلة تضخيم نرى أن مؤشر كبير الوحيد من كونه في الصف صفر دائما هو عدد المقالات التي نشرتها معلمه، مع كل مقال من قبل معلمه المرتبطة 12.6 احتمالات أقل من النشر أبدا. وبالنظر إلى معادلة متوسط ​​عدد أو مقالات من بين أولئك الذين ليسوا في الصف الصفري دائما، نجد عيوب كبيرة للإناث والعلماء الذين لديهم أطفال دون سن الخامسة، وتأثير إيجابي كبير من عدد المنشورات من قبل معلمه، مع كل مادة المرتبطة مع زيادة قدرها 1.8 في العدد المتوقع للمنشورات. للتحقق من أن النموذج يحل مشكلة الأصفار الزائدة نتوقع بي و مو، وحساب الاحتمال المشترك من أي منشورات. توقع ستاتاس يحسب احتمال الصفر دائما مع الخيار بيأر و بويسون التنبؤ الخطي باستخدام الخيار زب. وهناك خيار ثالث لن نستخدمه، n. تتوقع العد المتوقع كما (1-بيأر) إكس (زب). هيريس كيفية التنبؤ بي و مو لذا فإن النموذج يحل مشكلة الأصفار الزائدة، والتنبؤ بأن 29.9 من الكيمياء الحيوية لن تنشر أي مقالات، أقرب بكثير من القيمة الملحوظة من 30.0. مقارنة النموذج مع إيك كما يحدث، لهذه البيانات الحدين السلبي يحل المشكلة أيضا. هيريز احتمالية المواد صفر في ثنائية الحدود السلبية ويتوقع النموذج أن 30.4 من الكيمياء الحيوية لن تنشر أي مقالات في السنوات الثلاث الماضية من الدكتوراه. قريبة جدا من القيمة الملحوظة من 30.0. ولكي نختار بين النماذج ثنائية الحدود السلبية ونفوذ الصفر، نحتاج إلى اللجوء إلى معايير أخرى. وهناك طريقة بسيطة جدا لمقارنة النماذج مع أرقام مختلفة من المعلمات هو حساب أكايكس معايير المعلومات (إيك)، والتي نحددها حيث p هو عدد المعلمات في النموذج. المصطلح الأول هو أساسا الانحراف والثاني عقوبة لعدد المعلمات. بالنسبة لبياناتنا بالنسبة لمجموعة البيانات هذه، فإن النموذج ذو الحدين السلبي هو فائز واضح من حيث التقسيم والخير المناسب. ومن المعايير التشخيصية الأخرى التي يمكن أن ننظر إليها هي التوزيع الهامشي للتعدادات المتوقعة والملحوظة ووظائف التباين. نماذج غير مقطوعة ومحددة الصدمات النماذج الأخرى التي نغطىها هي بويسون صفر مقطعة وذات الحدين السلبي، والمصممة للبيانات التي لا تشمل الأصفار. والمثال الشائع هو طول مدة الإقامة في المستشفى، وهو يوم واحد على الأقل. وهناك نهج معقول هو تناسب بواسون أو نموذج ثنائي الحدين السلبي الذي يستبعد الصفر ويعيد الاحتمالات الأخرى إلى مجموع واحد. ينبغي للمرء أن يكون حذرا تفسير هذه النماذج لأن مو ليست النتيجة المتوقعة، ولكن متوسط ​​التوزيع الأساسي الذي يتضمن الأصفار. يتم تنفيذ هذه النماذج في أوامر ستاتا زتب و زتنب. وهناك نهج بديل لفائض (أو ندرة) من الأصفار هو استخدام عملية من مرحلتين، مع نموذج لوجيت للتمييز بين الصفر وعدد إيجابي ومن ثم بويسون صفر مقطوع أو نموذج ثنائي الحدين السلبي للعد إيجابي. في مثالنا يمكننا استخدام نموذج لوجيت لتمييز أولئك الذين ينشرون من أولئك الذين لا، ومن ثم بويسون اقتطاع أو نموذج ثنائي الحدين السلبي لعدد من المقالات من أولئك الذين ينشرون واحد على الأقل. وغالبا ما تسمى هذه النماذج نماذج عقبة. يمكن تركيبها في ستاتا باستخدام لوجيت و بواسون أو نبريغ الأوامر، ببساطة إضافة السجل-الاحتمالات من كل مرحلة. بمقارنة العوائق ونماذج تضخم الصفر أجد الفرق بين الصفر وواحد أو أكثر ليكون أكثر وضوحا مع نماذج عقبة، ولكن تفسير المتوسط ​​هو أكثر وضوحا مع نماذج تضخم صفر. كوبي 2017 جيرماكوتن رودرياكوتيغيز، جامعة برينستوننوتيس: سوف تقوم مجموعة الاستشارات الإحصائية بترحيل الموقع إلى نظام إدارة المحتوى في وردبريس في فبراير لتسهيل الصيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة المجموعة الاستشارية مجموعة من خلال إعطاء هدية ستاتا تحليل البيانات أمثلة صفر تضخم بويسون الانحدار معلومات الإصدار. تم اختبار رمز هذه الصفحة في ستاتا 12. يستخدم الانحدار بويسون المضخم الصفر لنمذجة بيانات العد التي تحتوي على فائض من الصفر. وعلاوة على ذلك، تشير النظرية إلى أن الأصفار الزائدة يتم إنشاؤها بواسطة عملية منفصلة من قيم العد وأن الأصفار الزائدة يمكن نمذجة بشكل مستقل. وهكذا، فإن نموذج الرمز البريدي له جزأين، نموذج العد بويسون ونموذج لوجيت للتنبؤ الأصفار الزائدة. قد ترغب في مراجعة هذه الصفحات مثال تحليل البيانات، بواسون الانحدار والانحدار لوجيت. يرجى ملاحظة: الغرض من هذه الصفحة هو إظهار كيفية استخدام مختلف أوامر تحليل البيانات. وهي لا تغطي جميع جوانب عملية البحث التي يتوقع من الباحثين القيام بها. وعلى وجه الخصوص، فإنه لا يشمل تنظيف البيانات والتحقق منها، والتحقق من الافتراضات، والتشخيص النموذجي والتحليلات المحتملة للمتابعة. أمثلة على انحدار بويسون الصفرى مثال: 1. يدرس مديرو المدارس سلوك الحضور لدى صغار التلاميذ في المدارس الثانوية خلال فصل دراسي واحد في مدرستين. ويقاس الحضور بعدد أيام الغياب ويتنبأ بنوع الطالب ودرجات الاختبار الموحدة في الرياضيات وفنون اللغة. العديد من الطلاب ليس لديهم الغياب خلال الفصل الدراسي. المثال 2 - يود علماء الأحياء البرية في الولاية أن يصوروا عدد الأسماك التي يصطادها الصيادون في حديقة الدولة. ويتساءل الزوار عما إذا كان لديهم كامبر، وكم من الناس في المجموعة، وكان هناك أطفال في المجموعة وعدد الأسماك التي تم صيدها. بعض الزوار لا الأسماك، ولكن لا توجد بيانات حول ما إذا كان شخص مصيد أم لا. بعض الزوار الذين لم الأسماك لم يصطاد أي سمكة لذلك هناك الأصفار الزائدة في البيانات بسبب الناس الذين لم الأسماك. وصف البيانات يتيح متابعة المثال 2 من أعلاه. لدينا بيانات عن 250 مجموعة التي ذهبت إلى الحديقة. تم استجواب كل مجموعة حول عدد الأسماك التي تم صيدها (عدد الأطفال) وعدد الأطفال في المجموعة (الأطفال) وعدد الأشخاص في المجموعة (الأشخاص) وما إذا كانوا قد جلبوا كامبا إلى الحديقة (كامبر) . بالإضافة إلى التنبؤ بعدد الأسماك التي تم صيدها، هناك اهتمام بالتنبؤ بوجود أصفار زائدة، أي الأصفار التي لم تكن مجرد نتيجة لصيد الأسماك. سوف نستخدم المتغيرات الطفل. الأشخاص. والكامبر في نموذجنا. دعونا ننظر إلى البيانات. طرق التحليل التي قد تفكر بها فيما يلي قائمة ببعض طرق التحليل التي قد تكون قد واجهتها. بعض الأساليب المدرجة هي معقولة جدا في حين أن البعض الآخر إما سقطت لصالح أو لديها قيود. صفر مضخمة بويسون الانحدار - التركيز على هذه الصفحة. الانحدار السلبي ذو الحدين السلبي - الانحدار السلبي ذو الحدين يكون أفضل مع البيانات المتفرقة، أي التباين أكبر بكثير من المتوسط. نماذج العد العادي - قد تكون نماذج بواسون أو ثنائية الحدود أكثر ملاءمة إذا لم تكن هناك أصفار زائدة. انحدار عملية شريان الحياة للسودان - يمكنك محاولة تحليل هذه البيانات باستخدام انحدار عملية شريان الحياة للسودان. ومع ذلك، تعد بيانات العد غير طبيعية إلى حد كبير ولا تقدر بشكل جيد بانحدار عملية شريان الحياة للسودان. صفر الانكماش بويسون سوف نقوم بتشغيل الأمر البريدي مع الطفل والكامبر كما التنبؤات التهم، والأشخاص كما توقعا للأصفار الزائدة. لقد أدرجنا الخيار فيونغ الذي يوفر اختبارا للنموذج تضخم الصفر مقابل نموذج بويسون القياسية. يبدو الإخراج يشبه إلى حد كبير الإخراج من انحدار عملية شريان الحياة للسودان: يبدأ مع سجل التكرار يعطي قيم إمكانيات السجل بدءا من نموذج لا يوجد لديه متنبئات. القيمة الأخيرة في السجل هي القيمة النهائية لاحتمال السجل للنموذج الكامل ويتم تكراره أدناه. التالي يأتي معلومات الرأس. على الجانب الأيمن عدد الملاحظات المستخدمة (250)، وعدد من الملاحظات غير صفري (108) وتعطى جنبا إلى جنب مع نسبة احتمال تشي مربع. هذا يقارن النموذج الكامل لنموذج دون عدد التنبؤات، وإعطاء فرق من درجتين من الحرية. ويلي ذلك قيمة p للمربع تشي. النموذج، ككل، ذو دلالة إحصائية. تحت رأس سوف تجد معاملات الانحدار بواسون لكل من المتغيرات التنبؤ العد جنبا إلى جنب مع الأخطاء القياسية، والعشرات ض، وقيم p و 95 فترات الثقة للمعاملات. وفي أعقاب هذه المعامالت المنطقية للمتغير الذي يتنبأ بأصفار زائدة إلى جانب أخطاءه القياسية، وعشرات z، وقيم p، وفواصل الثقة. تحت مختلف المعاملات سوف تجد نتائج اختبار فيونغ. يقارن اختبار فيونغ النموذج الصفرى مع نموذج انحدار بواسون عادي. ويشير اختبار z الضخم إلى أن النموذج المضخم الصفر أفضل. كاميرون و تريفيدي) 2009 (يوصيان بأخطاء قياسية قوية لنماذج بواسون. وسوف نقوم بإعادة تشغيل النموذج مع الخيار (قوية) فسي. لم يتم تضمين هذا الخيار في النموذج الأول لأنه لا يمكن استخدام الخيارات القوية و فيونغ في نفس النموذج. الآن يمكننا الانتقال إلى تفاصيل النتائج الفردية. وقد أدى استخدام الخيار القوي إلى تغيير كبير إلى حد ما في نموذج تشي مربع، الذي هو الآن والد تشي مربع. ويستند هذا الإحصاء على الاحتمالات الزائفة السجل بدلا من الاحتمالات سجل. يمكن تفسير معاملات الطفل والكامبر على النحو التالي: لكل وحدة زيادة الطفل، فإن عدد السجلات المتوقعة لمتغير الاستجابة ينخفض ​​بمقدار 1.043. كونه كامبر يزيد من عدد السجلات المتوقعة من قبل .834. معامل تضخم للأشخاص يشير إلى أن لكل وحدة زيادة في شخص الاحتمالات سجل من انخفاض الصفر تضخم بنسبة .564. يمكننا استخدام الهوامش (التي أدخلت في ستاتا 11) للمساعدة في فهم نموذجنا. سنقوم أولا بحساب التهم المتوقعة للمتغير المتغير الفئوي مع الاحتفاظ بالطفل المتغير المستمر بقيمته المتوسطة باستخدام الخيار أتمانز. ويبلغ العدد المتوقع لعدد الأسماك التي يسيطر عليها غير المدمنين 1.289 في حين أن المعسكرين يبلغ 2.968 في متناول الأطفال والأشخاص. باستخدام الخيار ديدكس يحسب الفرق في التهم المتوقعة بين كامبر 0 و كامبر 1 في حين لا يزال يحمل الطفل في متوسطه من .684 والأشخاص في متوسطه من 2.528. والفارق في عدد الأسماك التي يسيطر عليها المعسكرون وغير المدخنين هو 1.679، وهو أمر ذو دلالة إحصائية. وهناك أمر واحد هوامش مشاركة تعطي التهم المتوقعة لقيم الطفل من صفر إلى ثلاثة على كلا المستويين من كامبر. وينخفض ​​العدد المتوقع للأسماك التي يتم صيدها، حيث يرتفع عدد الأطفال لكل من الأشخاص الذين لديهم معسكر أو بدونه. وهناك عدد من مؤشرات تناسب نموذج المتاحة باستخدام الأمر فيتستات، الذي هو جزء من المرافق سبوستادو من قبل J. سكوت لونغ وجيريمي فريز (فينديت سبوستادو). الأمور التي يجب مراعاتها بما أن الرمز البريدي يحتوي على نموذج عد ونموذج لوغيت، يجب أن يكون لكل نموذجين مؤشرين جيدين. ولا يحتاج النموذجان بالضرورة إلى استخدام نفس التنبؤات. يمكن أن تحدث مشاكل التنبؤ الكامل، الفصل أو الفصل الجزئي في الجزء اللوجستي من نموذج تضخم صفر. عادة ما تستخدم بيانات العد متغيرات التعرض للإشارة إلى عدد المرات التي يمكن أن يحدث فيها الحدث. يمكنك تضمين التعرض في النموذج الخاص بك باستخدام الخيار التعرض (). ولا يوصى بتطبيق نماذج بواسون الصفرية على عينات صغيرة. ما يبدو عينة صغيرة لا يبدو أن تكون محددة بوضوح في الأدب. القيم الزائفة - R-سكارد تختلف عن أولس R - التربيع، يرجى الاطلاع التعليمات: ما هي الزائفة R - التربيع للمناقشة حول هذه المسألة. ستاتا أونلين مانوال زيب ريلاتد ستاتا الأوامر نبرغ - صفر تضخم سلبي ذات الحدين. المراجع كاميرون، A. كولين أند تريفيدي، P. K. (2009) الاقتصاد الجزئي باستخدام ستاتا. محطة الكلية، تكس: ستاتا الصحافة. لونغ، J. سكوت، فريز، جيريمي (2006). نماذج الانحدار للمتغيرات التابعة الفئوية باستخدام ستاتا (الإصدار الثاني). محطة الكلية، تكس: ستاتا الصحافة. لونغ، J. سكوت (1997). نماذج الانحدار للمتغيرات تعتمد الفئوية ومحدودة. ألف أوكس، كاليفورنيا: منشورات ساجا. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع ويب معين، كتاب، أو منتج البرمجيات من قبل جامعة كاليفورنيا.