Perbandingan model binomial negatif dan quasi-Poisson

Saya telah menjalankan model binomial dan quasi-Poisson negatif berdasarkan pendekatan pengujian hipotesis. Model akhir saya menggunakan kedua metode memiliki kovariat dan interaksi yang berbeda. Tampaknya tidak ada pola ketika saya merencanakan residu saya di kedua kasus. Jadi, saya bertanya-tanya tes mana yang bisa saya gunakan untuk melihat model mana yang lebih cocok dengan data saya karena quasi-Poisson tidak memiliki kemungkinan atau AIC…

Juga, saya memiliki banyak overdispersi yang membuat saya berpikir bahwa binomial negatif akan lebih tepat, tetapi saya tidak tahu apakah saya dapat memilih model saya berdasarkan akal sehat ...

Saya melihat quasi-poisson sebagai perbaikan teknis; ini memungkinkan Anda untuk memperkirakan sebagai parameter tambahan$\phi$, parameter dispersi. Di Poisson$\phi = 1$Menurut definisi. Jika data Anda tidak atau lebih tersebar dari itu, kesalahan standar dari koefisien model menjadi bias. Dengan memperkirakan$\hat{\phi}$ pada saat yang sama dengan memperkirakan koefisien model lainnya, Anda dapat memberikan koreksi terhadap kesalahan standar model, dan karenanya, statistik uji mereka dan yang terkait $p$-nilai. Ini hanya koreksi terhadap asumsi model.

Binomial negatif adalah model yang lebih langsung untuk penyebaran berlebih; bahwa proses menghasilkan data adalah atau dapat didekati dengan binomial negatif.

The quasi-Poisson juga memperkenalkan setumpuk masalah praktis seperti tidak memiliki kemungkinan benar maka seluruh tumpukan hal-hal berguna untuk pemilihan model, seperti tes rasio kemungkinan, AIC, dll ... (Saya tahu ada sesuatu yang disebut QAIC , tetapi R glm()misalnya tidak akan memberikan Anda).