Coeficientes idénticos estimados en el modelo de Poisson vs Cuasi-Poisson

Al modelar datos de recuento de reclamos en un entorno de seguro, comencé con Poisson pero luego noté una sobredispersión. Un Cuasi-Poisson mejor modeló la mayor relación media-varianza que el Poisson básico, pero noté que los coeficientes eran idénticos en los modelos Poisson y Cuasi-Poisson.

Si esto no es un error, ¿por qué sucede esto? ¿Cuál es el beneficio de usar Quasi-Poisson sobre Poisson?

Cosas a tener en cuenta:

• Las pérdidas subyacentes son excesivas, lo que (creo) impidió que Tweedie funcionara, pero fue la primera distribución que probé. También examiné los modelos NB, ZIP, ZINB y Hurdle, pero aún encontré que el Cuasi-Poisson era el que mejor se ajustaba.
• Probé la sobredispersión a través de la prueba de dispersión en el paquete AER. Mi parámetro de dispersión fue aproximadamente 8.4, con valor p en la magnitud 10 ^ -16.
• Estoy usando glm () con family = poisson o quasipoisson y un enlace de registro para el código.
• Cuando ejecuto el código de Poisson, salgo con advertencias de "In dpois (y, mu, log = TRUE): non-integer x = ...".

Hilos SE útiles según la orientación de Ben:

1. Matemática básica de compensaciones en regresión de Poisson
2. Impacto de las compensaciones en los coeficientes
3. Diferencia entre el uso de la exposición como covariable vs desplazamiento

$\chi^2$$p$

$p$

• Como comentamos anteriormente, hay muchos enfoques diferentes para la sobredispersión (Tweedie, diferentes parametrizaciones binomiales negativas, cuasi-verosimilitud, cero inflación / alteración).
• Con un factor de sobredispersión de> 5 (8.4), me preocuparía un poco si está siendo impulsado por algún tipo de desajuste del modelo (valores atípicos, inflación cero [que veo que ya has intentado], no linealidad) que representar la heterogeneidad general. Mi enfoque general para esto es la exploración gráfica de los datos sin procesar y el diagnóstico de regresión ...