Quasi-Poisson(准泊松):统计建模中的一种方法,常用于计数数据(如事件发生次数)出现过度离散(方差大于均值)时。它通常作为广义线性模型(GLM)里的“准似然(quasi-likelihood)”设定:均值结构常与泊松回归相同(常用对数链接 log link),但允许方差为
\[
\mathrm{Var}(Y)=\phi \mu
\]
其中 \(\phi\) 为离散/尺度参数,用来吸收额外变异。
/ˈkweɪzaɪ ˈpwɑːsɒn/(亦常见 /ˈkweɪzi/ 作为 quasi 的读法)
We used a quasi-Poisson model because the counts were overdispersed.
由于计数数据存在过度离散,我们使用了准泊松模型。
In the GLM, switching from Poisson to quasi-Poisson keeps the same mean structure but adjusts the standard errors via a dispersion parameter.
在广义线性模型中,从泊松切换到准泊松会保留相同的均值结构,但会通过离散参数来调整标准误。
quasi- 来自拉丁语 quasi,意为“好像、仿佛、近似”;Poisson 源自法语,原意为“鱼”,在数学中指 泊松分布(以法国数学家 Siméon Denis Poisson 命名)。合起来 quasi-Poisson 表示“近似泊松的设定”:仍以泊松的均值形式建模,但不强制“方差等于均值”的严格泊松假设。