負の二項モデルと準ポアソンの比較

仮説検定アプローチに基づいて、負の二項モデルと準ポアソンモデルを実行しました。両方の方法を使用する私の最終モデルには、異なる共変量と交互作用があります。どちらの場合も残差をプロットするときにパターンがないようです。したがって、準ポアソンには可能性またはAICがないため、どのモデルが私のデータによりよく適合するかを確認するためにどのテストを使用できるか疑問に思いました…

また、私は負の二項式がより適切であると私に思わせる過剰分散がたくさんありますが、常識に基づいてモデルを選択できるかどうかわかりません…

私は準ポアソンを技術的な修正と見ています。これにより、追加パラメーターとして分散パラメーターであるを推定できます。定義により、ポアソン。データがそれ以上分散していない場合、モデル係数の標準誤差は偏っています。推定し他のモデル係数を推定すると同時に、モデルの標準誤差、ひいてはその検定統計量と関連する修正を提供することができる -値。これはモデルの仮定の修正にすぎません。φ = 1 φ$\phi$$\phi = 1$$\hat{\phi}$$p$

負の二項式は、過剰分散のより直接的なモデルです。データ生成プロセスは、負の二項式であるか、または近似することができます。

準ポアソンはまた、実際の可能性がないなどの実用的な問題の山を導入します。したがって、尤度比検定、AICなどのモデル選択に役立つもののスタック全体（QAICと呼ばれるものがあることは知っています） 、しかしglm()例えばR はそれをあなたに与えません）。