dispersión en summary.glm ()

Realicé un glm.nb por

glm1<-glm.nb(x~factor(group))

siendo el grupo una categoría y x una variable métrica. Cuando intento obtener el resumen de los resultados, obtengo resultados ligeramente diferentes, dependiendo de si uso summary()o summary.glm. summary(glm1)me da

    ...
Coefficients:
                    Estimate Std. Error z value Pr(>|z|)  
    (Intercept)       0.1044     0.1519   0.687   0.4921  
    factor(gruppe)2   0.1580     0.2117   0.746   0.4555  
    factor(gruppe)3   0.3531     0.2085   1.693   0.0904 .
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

    (Dispersion parameter for Negative Binomial(0.7109) family taken to be 1)

mientras que summary.glm (glm1) me da

    ...
Coefficients:
                    Estimate Std. Error t value Pr(>|t|)  
    (Intercept)       0.1044     0.1481   0.705   0.4817  
    factor(gruppe)2   0.1580     0.2065   0.765   0.4447  
    factor(gruppe)3   0.3531     0.2033   1.737   0.0835 .
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

    (Dispersion parameter for Negative Binomial(0.7109) family taken to be 0.9509067)

Entiendo el significado del parámetro de dispersión, pero no de la línea.

(Dispersion parameter for Negative Binomial(0.7109) family taken to be 0.9509067).

En el manual dice, sería la dispersión estimada, pero parece ser una mala estimación, ya que 0.95 no está cerca de 0.7109, o ¿la dispersión estimada es algo diferente al parámetro de dispersión estimado? Supongo que tengo que establecer la dispersión en summary.nb(x, dispersion=)algo, pero no estoy seguro, si tengo que establecer la dispersión en 1 (lo que arrojará el mismo resultado summary()o si inserto una estimación del parámetro de dispersión, en este caso, ¿conduce a summary.nb(glm1, dispersion=0.7109)algo más? ¿O estoy bien con solo usar el summary(glm1)?

summary.glm"negbin"summary.glmdispersionsummary.glm glm$\phi$$\phi$familyglm.nb"Negative Binomial(theta)"summary.glmen el modelo equipado por glm.nb, en el código

if (is.null(dispersion)) 
    dispersion <- if (object$family$family %in% c("poisson", 
        "binomial")) 
        1
    else if (df.r > 0) {
        est.disp <- TRUE
        if (any(object$weights == 0)) 
                warning("observations with zero weight not used for calculating dispersion")
            sum((object$weights * object$residuals^2)[object$weights > 
            0])/df.r
    }

"poisson""binomial"$\phi$summary.negbin

$\phi$dispersion

En segundo lugar, no entiendes la salida. Cuando veas

Negative Binomial(0.7109)

$\hat{\theta}$$\phi$

$\phi$$\phi = 1$summary.negbin

summary(glm1, dispersion = 0.9509)

negbin$\phi$

$\theta$$\frac{1}{\theta}$$1$$\frac{1}{\theta}$$E$$Y$$E$$\mu E$$\mu$

expectativa

y varianza

Como señala @Momo, el parámetro de dispersión es otra cosa completamente diferente, que permitiría variar para hacer una estimación de cuasi-verosimilitud. Para el modelo binomial negativo y el modelo (verdadero) de Poisson, está correctamente fijado en un valor de uno.