¿Cómo dar cuenta de sobredispersión en un glm con distribución binomial negativa?

Question

Yo soy el análisis de datos de recuento con un modelo lineal generalizado en R. empecé con una familia de distribuciones Poisson la distribución, pero entonces se dio cuenta de que los datos fue claramente overdispersed. Entonces tomé la opción de aplicar un glm con distribución binomial negativa (yo estoy usando la función glm.nb() de la MASA del paquete). Curiosamente, tengo la misma mejor modelo seleccionado con una adelante y una hacia atrás paso a paso de selección de enfoque, que es:

m.step2 <- glm.nb(round(N.FLOWERS) ~ Hs_obs+RELATEDNESS+CLONALITY+PRODUCTION, data = flower[c(-12, -17), ])

A continuación, para la prueba de efectos fijos puedo usar el análisis de varianza() función, lo que da:

anova(m.step2, test = "Chi")
Analysis of Deviance Table
Model: Negative Binomial(1.143), link: log
Response: round(N.FLOWERS)
Terms added sequentially (first to last)
              Df Deviance Resid. Df  Resid. Dev   Pr(>F)   

 NULL                           15     40.674                   
 Hs_obs       1   9.5978        14     31.076    0.001948 **
 RELATEDNESS  1   9.4956        13     21.581    0.002060 **
 CLONALITY    1   3.0411        12     18.540    0.081181 . 
 PRODUCTION   1   3.7857        11     14.754    0.051693 .
 Signif. codes:  0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1
 Warning messages: 
 1: In anova.negbin(m.step2, test = "F") : tests made without re-estimating 'theta'

Sin embargo, si hubo sobredispersión (incluso con la binomial negativa) estos valores de p deben ser corregidos, no? En mi caso, el valor residual de la desviación (obtenido a partir de la summary(m.step2)) es 14.754 y residual grados de libertad 11. Por lo tanto, sobredispersión es 14.754/11 = 1.34.

¿Cómo puedo corregir los valores de p para dar cuenta de la pequeña cantidad de sobredispersión detectado en este modelo binomial negativo?

Answer 1

No estoy seguro de cómo corregir los p-valores. Sin embargo, normalmente se puede examinar la media y la varianza de la asunción en una regresión binomial negativa mirando los residuos frente a los valores ajustados de la parcela.

Si este gráfico de residuos frente a valores ajustados no es (aproximadamente) de un amorfo, al azar de la nube de puntos de datos, entonces usted puede intentar el uso de cuasi-regresión de Poisson. Otra alternativa es construir su propia media y la varianza de la relación de uso de cuasi-verosimilitud.

Espero que esto ayude!