Our statistical model was a negativ

Our statistical model was a negative binomial regression model. The model can be used for overdispersed count data when the conditional variance exceeds the conditional mean [8]. It can be considered as a generalization of Poisson regression in which the unobserved heterogeneity of an establishment is included and assumed to distribute following a gamma function. Our model was very similar to the one adopted by Fenn and Ashby [5], who examined the relationship between union density and workplace accidents. The estimation of our model was done with the maximum likelihood method using Stata version 13.

結果 (繁體中文) 1:

我們的統計模型是一個負二項式回歸模型。

當條件方差超過條件均值[8]的模型可用於overdispersed計數數據。

它可以被認為是其中建立未觀察到的異質性被包括並假定分發以下的伽馬函數泊松回歸的概括。

我們的模型是非常相似的芬恩和阿什比[5]，誰檢查工會密度和工作場所事故之間的關係採取的一個。

我們的模型的估計與採用Stata版本13的最大似然法進行。

結果 (繁體中文) 2:

我們的統計模型是負二項回歸模型。

當條件方差超過條件平均值 [8] 時，模型可用於過度分散的計數資料。

它可以被視為泊森回歸的一種概括，其中包括和假定一個機構的未觀察到的異質性，以在伽馬函數之後分佈。

我們的模型與芬恩和阿什比採用的模型非常相似，後者研究了工會密度與工作場所事故之間的關係。

使用 Stata 版本 13 使用最大可能性方法完成了模型估計。

結果 (繁體中文) 3:

我們的統計模型是一個負二項回歸模型。
當條件方差超過條件平均值時，該模型可用於過度分散的計數數據[8]。
它可以被認為是Poisson回歸的一個推廣，其中包括一個設施的未觀測非均質性，並假設其分佈遵循gamma函數。
我們的模型與Fenn和Ashby[5]所採用的模型非常相似，他們研究了工會密度與工作場所事故之間的關係。
我們的模型的估計是用最大似然法使用Stata版本13。