Diferencia entre binomio, binomio negativo y regresión de Poisson

27

Estoy buscando información sobre la diferencia entre binomio, binomio negativo y regresión de Poisson y para qué situaciones se ajustan mejor estas regresiones.

¿Hay alguna prueba que pueda realizar en SPSS que pueda decirme cuál de estas regresiones es la mejor para mi situación?

Además, ¿cómo ejecuto un Poisson o binomio negativo en SPSS, ya que no hay opciones como las que puedo ver en la parte de regresión?

Si tiene algún enlace útil, lo agradecería mucho.

IvLi
fuente

Respuestas:

40

Solo la naturaleza de sus datos y su pregunta de interés pueden decirle cuál de estas regresiones es mejor para su situación. Por lo tanto, no hay pruebas que le indiquen cuál de estos métodos es el mejor para usted. (Haga clic en los enlaces de los métodos de regresión a continuación para ver algunos ejemplos trabajados en SPSS).

Recuerde que la distribución de Poisson supone que la media y la varianza son las mismas. A veces, sus datos muestran una variación adicional que es mayor que la media. Esta situación se llama sobredispersión y la regresión binomial negativa es más flexible a ese respecto que la regresión de Poisson (en ese caso aún podría usarse la regresión de Poisson, pero los errores estándar podrían estar sesgados). La distribución binomial negativa tiene un parámetro más que la regresión de Poisson que ajusta la varianza independientemente de la media. De hecho, la distribución de Poisson es un caso especial de la distribución binomial negativa.

COOLSerdash
fuente
16

Esto es demasiado largo para ser un comentario, así que lo responderé.

La distinción entre binomio por un lado y Poisson y binomio negativo por el otro está en la naturaleza de los datos; Las pruebas son irrelevantes.

Existen mitos generalizados sobre los requisitos para la regresión de Poisson. La varianza igual a la media es característica de un Poisson, pero la regresión de Poisson no requiere la respuesta, ni que la distribución marginal de la respuesta sea Poisson, como tampoco la regresión clásica requiere que sea normal (gaussiana).

Tener dudosos errores estándar no es fatal, sobre todo porque puede obtener mejores estimaciones de errores estándar en implementaciones decentes de regresión de Poisson.

Tampoco Poisson requiere absolutamente que se cuente la respuesta. A menudo funciona bien con variables continuas no negativas. Para más información sobre la subestimación (juego de palabras) de Poisson, vea

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

y sus referencias. El contenido de Stata de esa entrada de blog no debe dejar de ser de interés y uso para las personas que no usan Stata.

Es difícil aconsejar bien sobre la elección entre Poisson y la regresión binomial negativa. Vea si la regresión de Poisson hace un buen trabajo; de lo contrario, considere la mayor complicación de la regresión binomial negativa.

No puedo aconsejar sobre el uso de SPSS. No me sorprendería si necesitara usar otro software para una implementación flexible de Poisson o regresión binomial negativa.

Nick Cox
fuente
Vuelva a los mitos sobre los requisitos: decir que "regresión de Poisson" significa "usar la misma función de puntaje que para el GLM de Poisson en un enfoque de estimación de ecuaciones para obtener estimaciones puntuales para coeficientes y estimadores tipo sándwich para sus errores estándar" es muy probable que raíz de cualquier confusión. Después de todo, OLS no se llama regresión gaussiana. Desafortunadamente, "la regresión cuasi-Poisson con errores estándar robustos" es el nombre más conciso que se me ocurre.
Scortchi - Restablece a Monica
1
Convenido. Cualquiera que lea mis documentos probablemente notará mucho énfasis en el poder de los nombres para bien o para mal; Es bueno recuperar algunos de mis consejos.
Nick Cox
2

En SPSS Statistics, el comando GENLIN maneja Poisson, binomio negativo y muchos otros. (Analizar> Modelos lineales generalizados). Forma parte de la opción Estadísticas avanzadas.

JKP
fuente
0

El binomio de Poisson / Negativo también se puede usar con un resultado binario con un desplazamiento igual a uno. Por supuesto, requiere que los datos provengan de un diseño prospectivo (cohorte, rct, etc.). La regresión de Poisson o NB proporciona la medida de efecto más apropiada (TIR) ​​frente al odds ratio de la regresión logística.

La regresión NB es "más segura" que la regresión de Poisson porque incluso si el parámetro de sobredispersión (alfa en Stata) no es estadísticamente significativo, los resultados serán exactamente los mismos que su forma de regresión de Poisson.

usuario31319
fuente