Als «overdispersion» getaggte Fragen

Überdispersion liegt vor, wenn die Daten eine größere Variabilität aufweisen, als sie "sollte". Beispielsweise ist die Varianz der Zählungen oft größer als der Mittelwert, während die Varianz eines Poisson gleich dem Mittelwert sein sollte.

4
Wie passe ich ein Mehrebenenmodell für übermäßig verteilte Poisson-Ergebnisse an?
Ich möchte ein mehrstufiges GLMM mit einer Poisson-Verteilung (mit Überdispersion) unter Verwendung von R ausrüsten. Im Moment verwende ich lme4, aber mir ist aufgefallen, dass die quasipoissonFamilie kürzlich entfernt wurde. Ich habe an anderer Stelle gesehen, dass Sie additive Überdispersion für Binomialverteilungen modellieren können, indem Sie einen zufälligen Achsenabschnitt mit …
2
Was ist Quasi-Binomialverteilung (im Kontext von GLM)?
Ich hoffe, jemand kann einen intuitiven Überblick darüber geben, was Quasibinomialverteilung ist und was sie bewirkt. Diese Punkte interessieren mich besonders: Wie sich das Quasibinom von der Binomialverteilung unterscheidet. Wenn die Antwortvariable eine Proportion ist (Beispielwerte sind 0,23, 0,11, 0,78, 0,98), wird ein Quasibinomialmodell in R ausgeführt, ein Binomialmodell jedoch …
4
Strategie zur Bestimmung des geeigneten Modells für die Zähldaten
Welche Strategie eignet sich, um zu entscheiden, welches Modell mit Zähldaten verwendet werden soll? Ich habe Zähldaten, die ich als Mehrebenenmodell modellieren muss, und es wurde mir (auf dieser Site) empfohlen, dies am besten durch Bugs oder MCMCglmm zu tun. Ich versuche jedoch immer noch, etwas über Bayes-Statistiken zu lernen, …
2
Wenn jemand sagt, Restabweichung / df sollte ~ 1 für ein Poisson-Modell, wie ungefähr ist ungefähr?
Ich habe oft gesehen, wie man überprüft, ob eine Poisson-Modellanpassung übermäßig verteilt ist oder nicht, indem man die verbleibende Abweichung durch die Freiheitsgrade dividiert. Das resultierende Verhältnis sollte "ungefähr 1" sein. Die Frage ist, um welchen Bereich es sich bei "ungefähren Werten" handelt - welches Verhältnis sollte Alarme auslösen, um …
2
Poisson oder Quasi-Poisson in einer Regression mit Zähldaten und Überdispersion?
Ich habe Zähldaten (Nachfrage- / Angebotsanalyse mit Zählung der Anzahl der Kunden, abhängig von - möglicherweise - vielen Faktoren). Ich habe eine lineare Regression mit normalen Fehlern versucht, aber mein QQ-Plot ist nicht wirklich gut. Ich habe versucht, die Antwort logarithmisch umzuwandeln: wieder ein schlechtes QQ-Diagramm. Jetzt versuche ich eine …
2
Sind Überdispersionstests in GLMs tatsächlich * nützlich *?
Das Phänomen der "Überdispersion" in einem GLM tritt immer dann auf, wenn wir ein Modell verwenden, das die Varianz der Antwortvariablen einschränkt, und die Daten eine größere Varianz aufweisen, als es die Modellbeschränkung zulässt. Dies tritt häufig bei der Modellierung von Zähldaten mit einem Poisson-GLM auf und kann durch bekannte …
2
Überdispersion in der logistischen Regression
Ich versuche, das Konzept der Überdispersion in der logistischen Regression in den Griff zu bekommen. Ich habe gelesen, dass Überdispersion auftritt, wenn die beobachtete Varianz einer Antwortvariablen größer ist als von der Binomialverteilung erwartet. Aber wenn eine Binomialvariable nur zwei Werte (1/0) haben kann, wie kann sie dann einen Mittelwert …
1
Wie gehe ich mit Überdispersion in der Poisson-Regression um: Quasi-Wahrscheinlichkeit, negativer binomialer GLM oder zufälliger Effekt auf Subjektebene?
Ich habe drei Vorschläge zur Behandlung der Überdispersion in einer Poisson-Antwortvariablen und einem Startmodell mit allen festen Effekten gefunden: Verwenden Sie ein Quasi-Modell. Verwenden Sie negatives Binomial-GLM. Verwenden Sie ein gemischtes Modell mit einem zufälligen Effekt auf Subjektebene. Aber was soll man eigentlich wählen und warum? Gibt es ein tatsächliches …
1
Identische Koeffizienten, geschätzt in Poisson vs. Quasi-Poisson-Modell
Bei der Modellierung von Anspruchszählungsdaten in einer Versicherungsumgebung begann ich mit Poisson, bemerkte dann aber eine Überdispersion. Ein Quasi-Poisson-Modell modellierte die größere Mittelwert-Varianz-Beziehung besser als das Basis-Poisson-Modell, aber ich bemerkte, dass die Koeffizienten sowohl im Poisson- als auch im Quasi-Poisson-Modell identisch waren. Wenn dies kein Fehler ist, warum geschieht dies? …
1
Überdispersions- und Modellierungsalternativen in Poisson-Zufallseffektmodellen mit Offsets
Ich bin auf eine Reihe praktischer Fragen gestoßen, wenn ich Zähldaten aus experimenteller Forschung mithilfe eines subjektinternen Experiments modelliere. Ich beschreibe kurz das Experiment, die Daten und das, was ich bisher gemacht habe, gefolgt von meinen Fragen. Einer Stichprobe von Befragten wurden nacheinander vier verschiedene Filme gezeigt. Nach jedem Film …
2
Wie teste ich in Poisson GLMM mit lmer () in R auf Überdispersion?
Ich habe folgendes Modell: > model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop +(1|landscape),family=poisson) ... und das ist die Zusammenfassung. > summary(model1) Generalized linear mixed model fit by the Laplace approximation Formula: aph.remain ~ sMFS1 + sAG1 + sSHDI1 + sbare + season + crop + (1 | landscape) AIC BIC logLik deviance 4057 4088 -2019 4039 …
1
Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?
Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese beiden letzteren geben die gleichen Antworten. Unter Verwendung einer Reihe …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.