Je cherche à modéliser certaines données, mais je ne sais pas quel type de modèle je peux utiliser. J'ai des données de comptage et je veux un modèle qui donnera des estimations paramétriques de la moyenne et de la variance des données. Autrement dit, j'ai divers facteurs prédictifs et je veux déterminer si l'un d'entre eux influence la variance (pas seulement la moyenne du groupe).
Je sais que la régression de Poisson ne fonctionnera pas parce que la variance est égale à la moyenne; cette hypothèse n'est pas valable dans mon cas, donc je sais qu'il y a surdispersion. Cependant, un modèle binomial négatif ne génère qu'un seul paramètre de surdispersion, pas un paramètre qui est fonction des prédicteurs du modèle. Quel modèle peut le faire?
De plus, une référence à un livre ou à un article qui traite du modèle et / ou d'un package R qui implémente le modèle serait appréciée.
la source
Réponses:
Vous pouvez modéliser le paramètre de dispersion binomiale négative lui-même en fonction de variables et de paramètres à l'aide du package gamlss dans R. Je fournis un extrait d'une introduction:
Le site www.gamlss.org contient de la documentation et des liens vers plusieurs articles sur les approches utilisées dans le paquet.
la source
Stata fournit la commande -gnbreg-, qui vous permet de modéliser le paramètre de dispersion. Vous pouvez afficher l'aide de Stata pour la commande sur http://www.stata.com/help.cgi?nbreg
Stata appelle cela le modèle binomial négatif généralisé. Joseph Hilbe en parle dans son livre "Negative Binomial Regression", section 10.4, comme "NB-H: Heterogeneous negative binomial regression".
la source