Agis D, et al. (2024). good: An R package for modelling count data. Methods in Ecology and Evolution, doi: 10.1111/2041-210X.14387.
（2024年10月21日发表）
摘要参考翻译：生物相关数据通常以计数形式出现。泊松分布是最常用的计数数据建模方法，但这种分布假定了等离散性，而现实世界中的数据通常无法满足这一假定。与泊松假设的偏差会导致离散值分布，而离散值分布可能符合过度分散和/或分散不足的情况。尽管文献中已经广泛考虑了具有过分散性的计数数据模型，但由于过分散性仅在某些研究领域（包括生态学）相对常见，因此与过分散性相反的欠分散性模型受到的关注较少。Good分布是对具有过分散或欠分散现象的计数数据建模的一种灵活选择，但迄今为止还没有任何R软件包提供计算Good分布的定量值、概率等功能，或提供基于多个潜在预测因子的Good分布输出建模方法。本文介绍的R软件包good可以计算标准概率函数、从遵循Good分布的总体中生成随机样本并估计Good回归。
点击下方“阅读原文”可查看英文全文。
声明：本内容未向其他微信公众号投稿。
