零膨胀 Bell 回归模型中的收缩估计量及其应用
Shrinkage estimators in zero-inflated Bell regression model with application
AI总结：
针对零膨胀 Bell 回归模型，本文提出融合参数信息的 Stein 型收缩估计量，证明其渐近性质，并通过模拟和真实数据验证其性能与实用性。
摘要：
我们通过纳入模型参数信息，为零膨胀 Bell 回归模型提出 Stein 型估计量。这些估计量结合了无约束估计量与约束估计量的优势。我们推导了所提出收缩估计量的渐近分布性质，包括偏倚和均方误差。Monte Carlo 模拟表明，我们的收缩估计量在多种情景下均具有优越性能。此外，我们将所提出的估计量应用于真实数据分析，展示了其实用价值。
英文摘要：
We propose Stein-type estimators for zero-inflated Bell regression models by incorporating information on model parameters. These estimators combine the advantages of unrestricted and restricted estimators. We derive the asymptotic distributional properties, including bias and mean squared error, for the proposed shrinkage estimators. Monte Carlo simulations demonstrate the superior performance of our shrinkage estimators across various scenarios. Furthermore, we apply the proposed estimators to analyze a real dataset, showcasing their practical utility.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
