Comparación modelo binomial negativo y cuasi-Poisson

Question

He corrido binomial negativa y cuasi-Poisson modelos basados en una prueba de hipótesis planteamiento. Mi final de los modelos de uso de ambos métodos tienen diferentes covariables y las interacciones. Parece que no existen patrones cuando me parcela de mi residuales en ambos casos. Por lo tanto, me preguntaba qué prueba podría utilizar para ver qué modelo se ajusta a mis datos, ya que la cuasi-Poisson no tiene ninguna probabilidad o el cie...

También, tengo un montón de sobredispersión que me hace pensar que la binomial negativa, sería más apropiado, pero no sé si puedo elegir mi modelo basado en el sentido común...

Answer 1

Veo la cuasi-poisson como una solución técnica; permite estimar como un parámetro adicional $\phi$, la dispersión de parámetros. En la distribución de Poisson $\phi = 1$, por definición. Si los datos no son tan o más dispersa que, los errores estándar del modelo de coeficientes de sesgo. Mediante la estimación de $\hat{\phi}$, al mismo tiempo, como el de estimar el modelo de otros coeficientes, puede proporcionar una corrección al modelo estándar de errores y, por tanto, de la estadística de prueba y asociados $p$-valores. Esto es sólo una corrección a los supuestos del modelo.

La binomial negativa es una forma más directa modelo para la sobredispersión; que los datos de generación de proceso es o puede ser aproximada por una negativa binomial.

El cuasi-Poisson también introduce un montón de problemas prácticos, tales como no tener una verdadera posibilidad de ahí el montón de cosas útiles para la selección del modelo, como la prueba de razón de verosimilitud, AIC, etc... (sé que hay algo que se llama QAIC, pero R glm() por ejemplo, no le dan a usted).