Wykorzystanie mieszanek rozkładów Poissona do oceny liczby przyznanych patentów w krajach UE

• Autorzy: Ewa Witek

Warianty tytułu

The Use of Poisson Mixture Models in the Evaluation of the Number of Patents Granted in the European Union Countries

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono zastosowanie mieszanek warunkowych rozkładów Poissona w regresji. Mieszanki tych rozkładów stosowane są wówczas, gdy zbiór obserwacji charakteryzuje się nadmiernym rozproszeniem, będącym wynikiem na przykład pominięcia jednej z ważnych zmiennych objaśniających. Celem referatu jest zbadanie wpływu wydatków na badania i rozwój na liczbę przydzielonych patentów w krajach Unii Europejskiej.(abstrakt oryginalny)

EN

The paper focuses on Poisson mixture models and their application in the regression. These models are often used to capture overdispersion in the data which can occur for example if important covariates are omitted in the regression. It is then assumed that the influence of these covariates can be captured by allowing a random distribution for the intercept. The goal of this paper is to analyze the relationship among patents and research and development spending in the European Union countries.(original abstract)

Słowa kluczowe

PL

Patenty; Ochrona patentowa; Rozkład Poissona

EN

Patent; Patent protection; Poisson distribution

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2011
• Tom: 18
• Numer: nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 204--211

Twórcy

autor

Ewa Witek

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Dean D.B., Testing for overdispersion in Poisson and binomial regression model, "Journal of the American Statistical Association" 1992, 87, s. 451-457.
• Dempster A.P., Laird N.M., Rubin D.B., Maximum likelihood for incomplete data via the EM algorithm (with discussion), "Journal of the Royal Statistical Society" 1977, B 39, s. 1-38.
• Cohen W., Levin R., Empirical Studies of Innovation and Market Structure, [w:] R. Schmalensee, R. Willig (red.), Handbook of Industrial Organization, North-Holland, Amsterdam 1989, s. 1059-1107.
• Frühwirth-Schnatter S., Finite Mixture and Markov Switching Models, Springer Series in Statistics, Hardcover, Berlin 2006.
• Gourieroux C., Monfort A., Trognon A., Pseudo maximum likelihood methods: Applications to Poisson models, "Econometrica" 1984, 52, s. 701-720.
• Hall B.H., Griliches Z., Hausman J.A., Patents and R&D: Is there a lag, "International Economic Review" 1986, 27, s. 265-283.
• Leisch R., FlexMix: A general framework for finite mixture models and latent class regression in R, "Journal of Statistical Software" 2004, 11(8), s. 1-18.
• Mairesse J., Sassenou M., R & D and productivity: A survey of econometric studies at the firm level, "STI Review" 1991, 8, s. 9-43.
• Wang P., Puterman M.L., Cockburn I., Le N., Mixed Poisson regression models with covariate dependent rates, "Biometrics" 1996, 52, s. 381-400.
• Wang P., Cockburn I.M., Puterman M.L., Analysis of patent data - a mixed-Poisson-regression-model approach, "Journal of Business & Economic Statistics" 1998, 16 (1), s. 27-41.
• http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/.