Я ищу некоторую информацию о разнице между биномиальной, отрицательной биномиальной и пуассоновской регрессией и для каких ситуаций эти регрессии лучше всего подходят.
Могу ли я выполнить какие-либо тесты в SPSS, чтобы определить, какая из этих регрессий лучше всего подходит для моей ситуации?
Кроме того, как мне запустить пуассоновский или отрицательный бином в SPSS, поскольку в регрессионной части нет таких параметров, как я?
Если у вас есть полезные ссылки, я был бы очень признателен.
Ответы:
Только характер ваших данных и интересующий вас вопрос могут сказать вам, какие из этих регрессий лучше всего подходят для вашей ситуации. Таким образом, нет тестов, которые скажут вам, какой из этих методов является лучшим для вас. (Нажмите на ссылки методов регрессии ниже, чтобы увидеть некоторые работающие примеры в SPSS.)
Помните, что распределение Пуассона предполагает, что среднее значение и дисперсия одинаковы. Иногда ваши данные показывают дополнительные отклонения, которые превышают среднее значение. Эта ситуация называется избыточной дисперсией, и отрицательная биноминальная регрессия в этом отношении более гибкая, чем регрессия Пуассона (в этом случае вы все еще можете использовать регрессию Пуассона, но стандартные ошибки могут быть смещены). Отрицательное биномиальное распределение имеет один параметр больше , чем регрессии Пуассона , который регулирует дисперсию независимо от среднего значения. Фактически, распределение Пуассона является частным случаем отрицательного биномиального распределения.
Это слишком долго, чтобы быть комментарием, поэтому я сделаю это ответом.
Различие между биномиальным с одной стороны и пуассоновским и отрицательным биномиальным с другой - в природе данных; тесты не имеют значения.
Есть широко распространенные мифы о требованиях к регрессии Пуассона. Дисперсия, равная средней, характерна для пуассоновской регрессии, но для пуассоновской регрессии не требуется ни отклика ответа, ни предельного распределения отклика по Пуассону, равно как и классической регрессии требуется, чтобы она была нормальной (гауссовой).
Наличие сомнительных стандартных ошибок не является фатальным, не в последнюю очередь потому, что вы можете получить более точные оценки стандартных ошибок в приличных реализациях регрессии Пуассона.
Пуассон также не требует, чтобы ответ был посчитан. Это часто хорошо работает с неотрицательными непрерывными переменными. Для получения дополнительной информации о недооценке (каламбур) Пуассона см.
http://blog.stata.com/tag/poisson-regression/
и его ссылки. Содержание Stata этой записи в блоге не должно мешать ей быть интересным и полезным для людей, которые не используют Stata.
Трудно дать совет относительно выбора между пуассоновским и отрицательным биномиальным регрессом. Посмотрите, хорошо ли работает регрессия Пуассона; в противном случае рассмотрим большее осложнение отрицательной биномиальной регрессии.
Я не могу посоветовать использовать SPSS. Меня не удивит, если вам понадобится другое программное обеспечение для гибкой реализации пуассоновской или отрицательной биномиальной регрессии.
Пуассоновский / отрицательный бином может также использоваться с двоичным результатом со смещением, равным единице. Конечно, это требует, чтобы данные были из предполагаемого проекта (когорты, т. Д., И т. Д.). Регрессия Пуассона или NB дает более подходящее измерение эффекта (IRR) по сравнению с отношением шансов от логистической регрессии.
Регрессия NB «безопаснее» для выполнения, чем регрессия Пуассона, потому что даже если параметр избыточной дисперсии (альфа в Stata) не является статистически значимым, результаты будут точно такими же, как и его форма регрессии Пуассона.