Vergleich negatives Binomialmodell und Quasi-Poisson

Ich habe negative Binomial- und Quasi-Poisson-Modelle ausgeführt, die auf einem Ansatz zum Testen von Hypothesen basieren. Meine endgültigen Modelle, die beide Methoden verwenden, haben unterschiedliche Kovariaten und Wechselwirkungen. Es scheint, dass es in beiden Fällen keine Muster gibt, wenn ich meine Residuen zeichne. Daher habe ich mich gefragt, mit welchem ​​Test ich feststellen kann, welches Modell besser zu meinen Daten passt, da das Quasi-Poisson keine Wahrscheinlichkeit oder AIC aufweist.

Ich habe auch viel Überdispersion, was mich denken lässt, dass das negative Binomial angemessener wäre, aber ich weiß nicht, ob ich mein Modell auf der Grundlage des gesunden Menschenverstandes auswählen kann…

$\phi$$\phi = 1$$\hat{\phi}$$p$

Das negative Binom ist ein direkteres Modell für die Überdispersion; dass der Datenerzeugungsprozess durch ein negatives Binom angenähert wird oder werden kann.

Das Quasi-Poisson führt auch eine ganze Reihe praktischer Probleme ein, wie zum Beispiel, dass es keine echte Wahrscheinlichkeit hat, daher der ganze Stapel nützlicher Dinge für die Modellauswahl, wie Likelihood-Ratio-Test, AIC usw. (ich weiß, dass es etwas gibt, das QAIC genannt wird , aber R's glm()zum Beispiel geben es dir nicht).