Differenz zwischen Binomial-, Negativ-Binomial- und Poisson-Regression

Ich suche nach Informationen über den Unterschied zwischen Binomial-, Negativ-Binomial- und Poisson-Regression und für welche Situationen sind diese Regressionen am besten geeignet.

Gibt es Tests, die ich in SPSS durchführen kann, um festzustellen, welche dieser Regressionen für meine Situation am besten geeignet ist?

Wie führe ich in SPSS ein Poisson- oder negatives Binomial aus, da es keine Optionen gibt, die ich im Regressionsteil sehen kann?

Wenn Sie nützliche Links haben, würde ich mich sehr darüber freuen.

Nur die Art Ihrer Daten und Ihre Frage von Interesse können Ihnen sagen, welche dieser Regressionen für Ihre Situation am besten geeignet sind. Es gibt also keine Tests, die Ihnen sagen, welche dieser Methoden für Sie am besten geeignet ist. (Klicken Sie unten auf die Links der Regressionsmethoden, um einige Beispiele in SPSS zu sehen.)

• Wenn Sie ein binäres Ergebnis haben (z. B. Tod / lebendig, krank / gesund, 1/0), ist eine logistische Regression angebracht.
• Wenn Ihre Ergebnisse diskret zählen, dann Poisson - Regression oder negative binomiale Regression verwendet werden.

Denken Sie daran, dass die Poisson-Verteilung davon ausgeht, dass der Mittelwert und die Varianz gleich sind. Manchmal zeigen Ihre Daten zusätzliche Abweichungen, die größer als der Mittelwert sind. Diese Situation wird als Überdispersion bezeichnet, und die negative binomiale Regression ist in dieser Hinsicht flexibler als die Poisson-Regression (in diesem Fall können Sie immer noch die Poisson-Regression verwenden, aber die Standardfehler können voreingenommen sein). Die negative Binomialverteilung hat einen Parameter mehr als die Poisson-Regression, die die Varianz unabhängig vom Mittelwert anpasst. Tatsächlich ist die Poisson-Verteilung ein Sonderfall der negativen Binomialverteilung.

Dies ist zu lang, um einen Kommentar abzugeben, daher werde ich darauf eine Antwort geben.

Die Unterscheidung zwischen Binomial auf der ganzen Seite und Poisson und negativem Binomial auf der anderen Seite liegt in der Natur der Daten; Tests sind irrelevant.

Es gibt weit verbreitete Mythen über die Anforderungen an die Poisson-Regression. Varianz gleich ein Poisson - Charakteristik bedeuten, aber Poisson Regression nicht erforderlich , dass die Antwort, noch , dass die Grenzverteilung der Antwort sein Poisson, sowenig klassische Regressions erfordern es , normal zu sein (Gaussian).

Zweifelhafte Standardfehler sind nicht fatal, nicht zuletzt, weil Sie bessere Schätzungen von Standardfehlern in angemessenen Implementierungen der Poisson-Regression erhalten können.

Poisson verlangt auch nicht unbedingt, dass die Antwort gezählt wird. Es funktioniert oft gut mit nicht negativen stetigen Variablen. Weitere Informationen zur Unterschätzung (Wortspiel beabsichtigt) von Poisson finden Sie unter

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

und seine Referenzen. Der Stata-Inhalt dieses Blog-Eintrags sollte nicht aufhören, ihn für Personen von Interesse und Nutzen zu sein, die Stata nicht verwenden.

Es ist schwierig, gut über die Wahl zwischen Poisson und negativer binomischer Regression zu beraten. Sehen Sie, ob die Poisson-Regression gute Arbeit leistet. Andernfalls berücksichtigen Sie die größere Komplikation der negativen binomischen Regression.

Ich kann nicht zur Verwendung von SPSS raten. Es würde mich nicht überraschen, wenn Sie andere Software zur flexiblen Implementierung von Poisson oder negativer binomischer Regression benötigen würden.

In SPSS Statistics verarbeitet der Befehl GENLIN Poisson, negatives Binomial und eine Reihe anderer. (Analysieren> Verallgemeinerte lineare Modelle). Es ist Teil der Option Erweiterte Statistiken.

Poisson / Negativ-Binomial kann auch mit einem binären Ergebnis mit einem Offset von 1 verwendet werden. Natürlich müssen die Daten aus einem prospektiven Design stammen (Kohorte, RCT usw.). Die Poisson- oder NB-Regression gibt das geeignetere Effektmaß (IRR) im Vergleich zum Odds Ratio der logistischen Regression an.

Die Ausführung der Regression ist "sicherer" als die Poisson-Regression, da selbst wenn der Überdispersionsparameter (Alpha in Stata) statistisch nicht signifikant ist, die Ergebnisse genau der Poisson-Regressionsform entsprechen.