Perbedaan antara binomial, binomial negatif dan regresi Poisson

26

Saya mencari beberapa informasi tentang perbedaan antara binomial, binomial negatif dan regresi Poisson dan untuk situasi mana regresi ini paling cocok.

Apakah ada tes yang dapat saya lakukan di SPSS yang dapat memberitahu saya mana dari regresi ini yang terbaik untuk situasi saya?

Juga, bagaimana cara menjalankan Poisson atau binomial negatif di SPSS, karena tidak ada opsi seperti yang dapat saya lihat di bagian regresi?

Jika Anda memiliki tautan yang bermanfaat, saya akan sangat menghargainya.

Ivli
sumber

Jawaban:

38

Hanya sifat data Anda dan pertanyaan Anda yang menarik yang dapat memberi tahu Anda mana dari regresi ini yang terbaik untuk situasi Anda. Jadi tidak ada tes yang akan memberi tahu Anda metode mana yang terbaik untuk Anda. (Klik tautan metode regresi di bawah ini untuk melihat beberapa contoh yang berhasil di SPSS.)

Ingat bahwa distribusi Poisson mengasumsikan bahwa mean dan variansnya sama. Terkadang, data Anda menunjukkan variasi ekstra yang lebih besar dari rata-rata. Situasi ini disebut overdispersion dan regresi binomial negatif lebih fleksibel dalam hal itu daripada regresi Poisson (Anda masih bisa menggunakan regresi Poisson dalam kasus itu tetapi kesalahan standar bisa menjadi bias). The distribusi binomial negatif memiliki satu parameter lebih dari regresi Poisson yang menyesuaikan varians secara independen dari mean. Faktanya, distribusi Poisson adalah kasus khusus dari distribusi binomial negatif.

COOLSerdash
sumber
16

Ini terlalu lama untuk menjadi komentar, jadi saya akan menjawabnya.

Perbedaan antara binomial di seluruh tangan dan Poisson dan binomial negatif di sisi lain adalah sifat data; tes tidak relevan.

Ada mitos yang tersebar luas tentang persyaratan untuk regresi Poisson. Varians sama dengan rata-rata adalah karakteristik dari Poisson, tetapi regresi Poisson tidak memerlukan respons, juga bahwa distribusi marginal dari respons Poisson, tidak lebih dari regresi klasik mengharuskannya menjadi normal (Gaussian).

Memiliki kesalahan standar yang meragukan tidak fatal, paling tidak karena Anda bisa mendapatkan perkiraan kesalahan standar yang lebih baik dalam implementasi regresi Poisson yang layak.

Poisson juga tidak membutuhkan respons untuk dihitung. Ini sering bekerja dengan baik dengan variabel kontinu non-negatif. Untuk lebih lanjut tentang meremehkan (pun intended) Poisson, lihat

http://blog.stata.com/tag/poisson-regress/

dan rujukannya. Konten Stata dari entri blog itu tidak boleh berhenti menjadi hal yang menarik dan digunakan untuk orang yang tidak menggunakan Stata.

Sulit untuk memberi saran dengan baik tentang pilihan antara Poisson dan regresi binomial negatif. Lihat apakah regresi Poisson melakukan pekerjaan dengan baik; kalau tidak pertimbangkan komplikasi yang lebih besar dari regresi binomial negatif.

Saya tidak bisa menyarankan untuk menggunakan SPSS. Tidak akan mengejutkan saya jika Anda perlu menggunakan perangkat lunak lain untuk implementasi Poisson yang fleksibel atau regresi binomial negatif.

Nick Cox
sumber
Re mitos tentang persyaratan: mengatakan "regresi Poisson" berarti "menggunakan fungsi skor yang sama seperti untuk Poisson GLM dalam pendekatan estimasi-persamaan untuk mendapatkan estimasi titik untuk koefisien, & estimator sandwich untuk kesalahan standar mereka" kemungkinan besar di akar kebingungan. Lagipula, OLS tidak disebut regresi Gaussian. Sayangnya "regresi semu-Poisson dengan kesalahan standar yang kuat" adalah nama paling ringkas yang bisa saya pikirkan.
Scortchi
1
Sepakat. Siapa pun yang membaca makalah saya cenderung mencatat banyak penekanan pada kekuatan nama baik atau buruk; itu baik untuk mendapatkan kembali beberapa saran saya.
Nick Cox
2

Dalam SPSS Statistics, perintah GENLIN menangani Poisson, binomial negatif dan banyak lainnya. (Analisis> Model Linear Umum). Ini adalah bagian dari opsi Statistik Lanjut.

JKP
sumber
0

Binomial Poisson / Negatif juga dapat digunakan dengan hasil biner dengan offset sama dengan satu. Tentu saja mengharuskan data berasal dari desain prospektif (kohort, rct, dll). Regresi Poisson atau NB memberikan ukuran efek yang lebih tepat (IRR) versus rasio odds dari regresi logistik.

Regresi NB "aman" untuk dijalankan daripada regresi Poisson karena meskipun parameter overdispersi (alpha dalam Stata) tidak signifikan secara statistik, hasilnya akan persis sama dengan bentuk regresi Poisson-nya.

pengguna31319
sumber