Application of finite mixture of ne

Application of finite mixture of negative binomial regression models with varying weight parameters for vehicle crash data analysis

Recently, a finite mixture of negative binomial (NB) regression models has been proposed to address the unobserved heterogeneity problem in vehicle crash data. This approach can provide useful information about features of the population under study. For a standard finite mixture of regression models, previous studies have used a fixed weight parameter that is applied to the entire dataset. However, various studies suggest modeling the weight parameter as a function of the explanatory variables in the data. The objective of this study is to investigate the differences on the modeling and fitting results between the two-component finite mixture of NB regression models with fixed weight parameters (FMNB-2) and the two-component finite mixture of NB regression models with varying weight parameters (GFMNB-2), and compare the group classification from both models. To accomplish the objective of this study, the FMNB-2 and GFMNB-2 models are applied to two crash datasets. The important findings can be summarized as follows: first, the GFMNB-2 models can provide more reasonable classification results, as well as better statistical fitting performance than the FMNB-2 models; second, the GFMNB-2 models can be used to better reveal the source of dispersion observed in the crash data than the FMNB-2 models. Therefore, it is concluded that in many cases the GFMNB-2 models may be a better alternative to the FMNB-2 models for explaining the heterogeneity and the nature of the dispersion in the crash data.

ผลลัพธ์ (ไทย) 1:

ของมีจำกัดส่วนผสมของแบบจำลองถดถอยทวินามลบด้วยน้ำหนักพารามิเตอร์สำหรับวิเคราะห์ข้อมูลความล้มเหลวของยานพาหนะที่แตกต่างกันเมื่อเร็ว ๆ นี้ ส่วนผสมของรุ่นถดถอย (NB) ทวินามลบจำกัดได้รับการเสนอเพื่อแก้ปัญหา unobserved heterogeneity ในข้อมูลความล้มเหลวของยานพาหนะ วิธีการนี้สามารถให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับคุณลักษณะของประชากรการศึกษา สำหรับส่วนผสมมีจำกัดมาตรฐานของรุ่นถดถอย ศึกษาก่อนหน้านี้ได้ใช้พารามิเตอร์น้ำหนักคงที่ใช้กับชุดข้อมูลทั้งหมด อย่างไรก็ตาม ศึกษาต่าง ๆ แนะนำการสร้างโมเดลน้ำหนักพารามิเตอร์เป็นฟังก์ชันของตัวแปรอธิบายในข้อมูล วัตถุประสงค์ของการศึกษานี้คือการ ตรวจสอบความแตกต่างในการสร้างโมเดลและผลที่เหมาะสมระหว่างส่วนผสมสองส่วนจำกัดของ NB รุ่นถดถอยด้วยน้ำหนักคงพารามิเตอร์ (FMNB-2) และส่วนผสมสองส่วนจำกัดของแบบจำลองถดถอย NB กับพารามิเตอร์ที่น้ำหนักต่างกัน (GFMNB-2), และเปรียบเทียบการจำแนกกลุ่มจากทั้งสองรุ่น เพื่อให้บรรลุวัตถุประสงค์ของการศึกษานี้ รุ่น FMNB-2 และ GFMNB-2 จะใช้กับชุดข้อมูลความผิดพลาดที่สอง สามารถสรุปประเด็นสำคัญเป็นดังนี้: ครั้งแรก รุ่น GFMNB-2 สามารถให้ผลลัพธ์การจัดประเภทที่เหมาะสมมากขึ้น เป็นประสิทธิภาพทางสถิติที่เหมาะสมได้ดีกว่ารุ่น FMNB-2 ที่สอง สามารถใช้รุ่น GFMNB-2 จะดีกว่า เปิดเผยแหล่งที่มาของการกระจายตัวที่สังเกตในข้อมูลความผิดพลาดมากกว่ารุ่น FMNB-2 ดังนั้น ก็สรุปได้ว่า ในหลายกรณี รุ่น GFMNB-2 อาจเป็นทางเลือกที่ดีกว่ารุ่น FMNB-2 สำหรับอธิบายการ heterogeneity และลักษณะของการกระจายตัวในข้อมูลความผิดพลาด

ผลลัพธ์ (ไทย) 2:

การประยุกต์ใช้ส่วนผสม จำกัด ของรูปแบบการถดถอยทวินามลบกับที่แตกต่างกันพารามิเตอร์น้ำหนักสำหรับการวิเคราะห์ความผิดพลาดของข้อมูลยานพาหนะเมื่อเร็ว ๆ นี้มีส่วนผสม จำกัด ของทวินาม (NB) รุ่นถดถอยเชิงลบได้รับการเสนอเพื่อแก้ไขปัญหาที่เกิดขึ้นไม่มีใครสังเกตความแตกต่างในข้อมูลผิดพลาดยาน วิธีการนี้สามารถให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับคุณลักษณะของประชากรภายใต้การศึกษา สำหรับส่วนผสม จำกัด มาตรฐานของรูปแบบการถดถอยการศึกษาก่อนหน้านี้ได้ใช้พารามิเตอร์น้ำหนักคงที่ที่นำไปใช้กับชุดข้อมูลทั้งหมด อย่างไรก็ตามการศึกษาต่างๆแนะนำการสร้างแบบจำลองพารามิเตอร์น้ำหนักเป็นหน้าที่ของตัวแปรอธิบายในข้อมูลที่ วัตถุประสงค์ของการศึกษาครั้งนี้คือการตรวจสอบความแตกต่างในการสร้างแบบจำลองและผลที่เหมาะสมระหว่างส่วนผสม จำกัด สององค์ประกอบของรูปแบบการถดถอย NB กับพารามิเตอร์น้ำหนักคงที่ (FMNB-2) และส่วนผสม จำกัด สององค์ประกอบของรูปแบบการถดถอย NB มีน้ำหนักที่แตกต่างกัน พารามิเตอร์ (GFMNB-2) และเปรียบเทียบการจำแนกกลุ่มจากทั้งสองรุ่น เพื่อให้บรรลุวัตถุประสงค์ของการศึกษานี้ให้ FMNB-2 และ GFMNB-2 รุ่นที่จะนำไปใช้สองชุดข้อมูลผิดพลาด ผลการวิจัยที่สำคัญสามารถสรุปได้ดังนี้แรกรุ่น GFMNB-2 สามารถให้ผลการจัดหมวดหมู่ที่เหมาะสมมากขึ้นเช่นเดียวกับผลการดำเนินงานที่เหมาะสมทางสถิติที่ดีกว่า FMNB-2 รุ่น; สองรุ่น GFMNB-2 สามารถนำมาใช้ที่ดีกว่าการเปิดเผยแหล่งที่มาของการกระจายตัวที่สังเกตได้ในข้อมูลที่ผิดพลาดกว่า FMNB-2 รุ่น ดังนั้นจึงสรุปได้ว่าในหลายกรณี GFMNB-2 รุ่นอาจเป็นทางเลือกที่ดีกว่าที่จะ FMNB-2 รูปแบบการอธิบายความแตกต่างและลักษณะของการกระจายตัวในข้อมูลผิดพลาด