У меня есть эти данные:
set.seed(1)
predictor <- rnorm(20)
set.seed(1)
counts <- c(sample(1:1000, 20))
df <- data.frame(counts, predictor)
Я провел пуассоновскую регрессию
poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson")
И отрицательная биноминальная регрессия:
require(MASS)
nb_counts <- glm.nb(counts ~ predictor, data = df)
Затем я рассчитал для статистики дисперсии для пуассоновской регрессии:
sum(residuals(poisson_counts, type="pearson")^2)/df.residual(poisson_counts)
# [1] 145.4905
И отрицательная биноминальная регрессия:
sum(residuals(nb_counts, type="pearson")^2)/df.residual(nb_counts)
# [1] 0.7650289
Кто-нибудь может объяснить, БЕЗ ИСПОЛЬЗОВАНИЯ УРАВНЕНИЙ, почему статистика дисперсии для отрицательной биномиальной регрессии значительно меньше, чем статистика дисперсии для пуассоновской регрессии?