[论文解读] Mean-parametrized Conway-Maxwell-Poisson regression models for dispersed counts

Alan Huang|arXiv (Cornell University)|Jun 10, 2016

Statistical Methods and Bayesian Inference被引用 9

一句话总结

本文提出了基于均值参数化的康威-麦克斯韦-泊松（CMP）回归模型，通过使用对数线性链接函数直接建模计数数据的均值，克服了传统CMP模型的主要局限。该方法实现了与标准计数回归模型的直接兼容性，提升了可解释性，并在MATLAB中实现了相较于现有软件高达10倍的计算速度提升，同时在有限样本下表现良好，渐近效率高。

ABSTRACT

Conway-Maxwell-Poisson (CMP) distributions are flexible generalizations of the Poisson distribution for modelling overdispersed or underdispersed counts. The main hindrance to their wider use in practice seems to be the inability to directly model the mean of counts, making them not compatible with nor comparable to competing count regression models, such as the log-linear Poisson, negative-binomial or generalized Poisson regression models. This note illustrates how CMP distributions can be parametrized via the mean, so that simpler and more easily-interpretable mean-models can be used, such as a log-linear model. Other link functions are also available, of course. In addition to establishing attractive theoretical and asymptotic properties of the proposed model, its good finite-sample performance is exhibited through various examples and a simulation study based on real datasets. Moreover, the MATLAB routine to fit the model to data is demonstrated to be up to an order of magnitude faster than the current software to fit standard CMP models, and over two orders of magnitude faster than the recently proposed hyper-Poisson model.

研究动机与目标

• 为解决康威-麦克斯韦-泊松（CMP）分布中缺乏直接均值参数化的问题，该问题限制了其在回归建模中的应用。
• 使CMP模型能够与标准计数回归模型（如泊松、负二项分布和广义泊松分布）直接比较和兼容。
• 通过允许使用对数链接等链接函数直接建模均值，提升CMP模型的可解释性和实际应用价值。
• 展示所提出的MATLAB实现相较于现有R包（用于CMP和超泊松模型）在计算效率方面的显著优势。
• 建立新均值参数化框架的理论性质，包括渐近正态性及得分函数推导。

提出的方法

• 使用均值μ而非速率λ对CMP分布进行参数化，从而可通过链接函数（如对数链接）直接建模期望计数。
• 推导出均值μ的得分函数为Sμ = (Y − μ)/V(μ, ν)，其中V(μ, ν)为方差，确保估计的一致性。
• 推导出离散参数ν的得分函数为Sν = A(μ, ν)(Y − μ)/V(μ, ν) − [log(Y!) − B(μ, ν)]，其中A和B定义为条件期望。
• 通过矩匹配方程刻画ν的最大似然估计（MLE）：(1/n)Σlog(Yi!) = B(Ȳ, ν)。
• 将框架扩展至回归模型，通过μ = μ(Xᵀβ)和ν = ν(𝐗̃ᵀγ)建模，且已建立β̂与γ̂的联合渐近正态性。
• 开发了一种计算高效的MATLAB例程，其速度相较于最先进的COMPoissonReg R包快达10倍以上，且比超泊松模型的R实现快逾100倍。

实验结果

研究问题

• RQ1 康威-麦克斯韦-泊松分布能否通过其均值直接重参数化，以提升回归模型中的可解释性？
• RQ2 与现有计数回归模型相比，均值参数化CMP模型在有限样本精度和计算速度方面的表现如何？
• RQ3 均值参数化CMP模型的理论性质（如渐近正态性及得分函数结构）是什么？
• RQ4 所提出的模型能否有效处理过度分散和次分散，同时保持计算效率？
• RQ5 MATLAB实现的计算性能与现有CMP和超泊松模型软件相比如何？

主要发现

• 均值参数化CMP模型可通过对数线性链接直接建模均值，使其与泊松、负二项分布和广义泊松回归模型具有直接可比性。
• 所提出的MATLAB例程在拟合标准CMP模型时，速度比最先进的COMPoissonReg R包快达10倍。
• MATLAB实现比近期提出的超泊松模型R实现快逾100倍，展现出显著的计算优势。
• 在模拟研究和真实数据示例（包括并购要约和事故次数分析）中，模型表现出良好的有限样本性能。
• 理论推导证实了均值和离散参数最大似然估计的渐近正态性，并给出了其渐近方差的显式表达式。
• 均值的得分函数为Sμ = (Y − μ)/V(μ, ν)，该形式简化了估计过程，并在模型设定正确时确保无偏性。