Je crée des GLM de Poisson dans R. Pour vérifier la surdispersion, je regarde le rapport entre la déviance résiduelle et les degrés de liberté fournis par summary(model.name)
.
Existe-t-il une valeur seuil ou un test pour que ce rapport soit considéré comme "significatif"? Je sais que si c'est> 1, les données sont surdispersées, mais si j'ai des rapports relativement proches de 1 [par exemple, un rapport de 1,7 (déviance résiduelle = 25,48, df = 15) et un autre de 1,3 (rd = 324, df = 253)], devrais-je quand même passer à quasipoisson / binomial négatif? J'ai trouvé ici ce test de signification: 1-pchisq (déviance résiduelle, df), mais je ne l'ai vu qu'une seule fois, ce qui me rend nerveux. J'ai aussi lu (je ne trouve pas la source) qu'un ratio <1,5 est généralement sans danger. Des avis?
glm(trips ~ 1, data = data, family = poisson)
(c'est-à-dire1
plutôt que.
pour mes données), mais super, merciodTest
pscl
Ici, la nullité de la restriction de Poisson est rejetée en faveur de ma régression binomiale négative
NegBinModel
. Pourquoi? Parce que la statistique de test52863.4998
dépasse2.7055
avec ap-value of < 2.2e-16
.L'avantage de the
AER
dispersiontest
est que l'objet retourné de la classe "htest" est plus facile à formater (par exemple, la conversion en LaTeX) que le sans classe 'odTest`.la source
P__disp
msme
P__disp
glm
glm.nb
la source
Une autre option consisterait à utiliser un test du rapport de vraisemblance pour montrer qu'un GLM quasipoisson avec surdispersion est nettement supérieur à un GLM poisson ordinaire sans surdispersion:
la source