ความแตกต่างระหว่างทวินามลบทวินามและการถดถอยปัวซอง


26

ฉันกำลังมองหาข้อมูลบางอย่างเกี่ยวกับความแตกต่างระหว่างทวินามลบทวินามและปัวซองการถดถอยและสถานการณ์ที่เหมาะสมที่สุดสำหรับการถดถอยเหล่านี้

มีการทดสอบใดบ้างที่ฉันสามารถทำได้ใน SPSS ที่สามารถบอกได้ว่าการถดถอยแบบใดที่ดีที่สุดสำหรับสถานการณ์ของฉัน

นอกจากนี้ฉันจะเรียกใช้ปัวซองหรือทวินามลบใน SPSS ได้อย่างไรเนื่องจากไม่มีตัวเลือกเช่นที่ฉันเห็นในส่วนการถดถอย

หากคุณมีลิงค์ที่มีประโยชน์ฉันจะขอบคุณมันมาก

คำตอบ:


38

เฉพาะลักษณะของข้อมูลและคำถามที่คุณสนใจเท่านั้นที่สามารถบอกได้ว่าการถดถอยแบบใดที่ดีที่สุดสำหรับสถานการณ์ของคุณ ดังนั้นจึงไม่มีการทดสอบที่จะบอกคุณว่าวิธีใดวิธีหนึ่งที่ดีที่สุดสำหรับคุณ (คลิกที่ลิงค์ของวิธีการถดถอยด้านล่างเพื่อดูตัวอย่างการทำงานใน SPSS)

โปรดจำไว้ว่าการแจกแจงปัวซงถือว่าค่าเฉลี่ยและความแปรปรวนเหมือนกัน บางครั้งข้อมูลของคุณแสดงรูปแบบพิเศษที่มากกว่าค่าเฉลี่ย สถานการณ์เช่นนี้จะเรียกว่าoverdispersionและการถดถอยทวินามลบคือความยืดหยุ่นมากขึ้นในเรื่องกว่า Poisson ถดถอยที่ (คุณยังสามารถใช้ Poisson ถดถอยในกรณีที่ว่า แต่ข้อผิดพลาดมาตรฐานอาจจะลำเอียง) การแจกแจงทวินามลบมีหนึ่งพารามิเตอร์มากกว่าการถดถอยปัวซองที่ปรับความแปรปรวนอย่างอิสระจากค่าเฉลี่ย อันที่จริงการกระจายปัวซงเป็นกรณีพิเศษของการแจกแจงแบบทวินามลบ


16

นี่นานเกินไปที่จะแสดงความคิดเห็นดังนั้นฉันจะทำให้มันเป็นคำตอบ

ความแตกต่างระหว่างทวินามทั้งมือและปัวซองและทวินามลบในอีกด้านหนึ่งนั้นเป็นลักษณะของข้อมูล การทดสอบไม่เกี่ยวข้อง

มีตำนานที่แพร่หลายเกี่ยวกับข้อกำหนดสำหรับการถดถอยปัวซอง ความแปรปรวนเท่ากับค่าเฉลี่ยคือลักษณะของปัวส์ซอง แต่การถดถอยปัวซองไม่ต้องการการตอบสนองหรือการกระจายตัวเล็กน้อยของการตอบสนองเป็นปัวซองยิ่งกว่าการถดถอยแบบดั้งเดิมต้องเป็นเรื่องปกติ (เกาส์)

การมีข้อผิดพลาดมาตรฐานที่น่าสงสัยนั้นไม่ใช่เรื่องร้ายแรง แต่อย่างน้อยก็เพราะคุณสามารถประเมินข้อผิดพลาดมาตรฐานได้ดีกว่าในการใช้งานปัวซองที่เหมาะสม

ปัวซองยังไม่ต้องการการตอบสนองที่แน่นอน มันมักจะทำงานได้ดีกับตัวแปรต่อเนื่องที่ไม่เป็นลบ ดูรายละเอียดเพิ่มเติมเกี่ยวกับการประเมินค่าต่ำสุดของปัวซองได้ที่

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

และการอ้างอิง เนื้อหา Stata ของรายการบล็อกนั้นไม่ควรหยุดอยู่ในความสนใจและใช้กับผู้ที่ไม่ได้ใช้ Stata

เป็นการยากที่จะให้คำแนะนำเกี่ยวกับทางเลือกระหว่างปัวซองและการถดถอยแบบทวินามลบ ดูว่าการถดถอยปัวซองทำงานได้ดีหรือไม่ มิฉะนั้นให้พิจารณาภาวะแทรกซ้อนที่มากขึ้นของการถดถอยแบบทวินาม

ฉันไม่สามารถให้คำแนะนำในการใช้ SPSS มันจะไม่แปลกใจเลยถ้าคุณต้องการใช้ซอฟต์แวร์อื่นสำหรับการใช้งานปัวซองอย่างยืดหยุ่นหรือการถดถอยแบบทวินามลบ


ความเชื่อผิด ๆ เกี่ยวกับข้อกำหนด: การพูดว่า "ปัวซองถดถอย" หมายถึง "การใช้ฟังก์ชันคะแนนแบบเดียวกับปัวซง GLM ในวิธีการประมาณ - สมการเพื่อหาจุดประมาณค่าสัมประสิทธิ์และตัวประมาณแซนวิชสำหรับข้อผิดพลาดมาตรฐาน" รากแห่งความสับสนใด ๆ ท้ายที่สุดแล้ว OLS ไม่ได้ถูกเรียกว่าการถดถอยแบบเกาส์เซียน น่าเสียดาย "การถดถอยแบบกึ่งปัวซองที่มีข้อผิดพลาดมาตรฐานที่มีประสิทธิภาพ" เป็นชื่อที่สั้นที่สุดที่ฉันนึกได้
Scortchi - Reinstate Monica

1
ตกลง ใครก็ตามที่อ่านเอกสารของฉันมีแนวโน้มที่จะจดจ่ออยู่กับพลังของชื่อดีหรือไม่ดี; มันเป็นการดีที่จะได้รับคำแนะนำของฉันกลับมา
Nick Cox

2

ใน SPSS Statistics คำสั่ง GENLIN จะจัดการปัวซอง, ทวินามลบและกลุ่มอื่น ๆ วิเคราะห์แบบจำลองเชิงเส้นทั่วไป มันเป็นส่วนหนึ่งของตัวเลือกสถิติขั้นสูง


0

ปัวซอง / เนกาทีฟทวินามสามารถใช้กับผลลัพธ์ไบนารีด้วยอ็อฟเซ็ตเท่ากับหนึ่ง แน่นอนว่ามันจำเป็นที่ข้อมูลนั้นมาจากการออกแบบที่คาดหวัง (cohort, rct, etc) การถดถอยปัวซองหรือ NB ให้อัตราผลกระทบที่เหมาะสมกว่า (IRR) เทียบกับอัตราต่อรองจากการถดถอยโลจิสติก

การถดถอยของ NB คือ "ปลอดภัย" ในการทำงานมากกว่าการถดถอยของปัวซองเนื่องจากแม้ว่าพารามิเตอร์ overdispersion (อัลฟาใน Stata) ไม่มีนัยสำคัญทางสถิติผลลัพธ์จะเหมือนกับรูปแบบการถดถอยปัวซอง

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.