To jest zbyt długo, aby być komentarzem, więc dam odpowiedź.
Rozróżnienie między dwumianem z całej strony a Poissonem i ujemnym dwumianem z drugiej strony leży w naturze danych; testy są nieistotne.
Istnieje wiele mitów na temat wymagań dotyczących regresji Poissona. Wariancja równa średniej jest charakterystyczna dla Poissona, ale regresja Poissona nie wymaga reakcji, ani że rozkład krańcowy odpowiedzi jest Poissonem, podobnie jak regresja klasyczna wymaga normalności (gaussowskiej).
Posiadanie wątpliwych błędów standardowych nie jest fatalne, zwłaszcza dlatego, że można uzyskać lepsze oszacowania błędów standardowych w przyzwoitych implementacjach regresji Poissona.
Poisson również nie wymaga policzenia odpowiedzi. Często działa dobrze z nieujemnymi zmiennymi ciągłymi. Więcej informacji na temat niedoszacowania (zamierzonej gry słów) Poissona znajduje się w
http://blog.stata.com/tag/poisson-regression/
i jego referencje. Treść Stata tego wpisu na blogu nie powinna powstrzymywać zainteresowania i używania przez osoby, które nie używają Staty.
Trudno jest dobrze doradzić w kwestii wyboru między regresją Poissona i ujemną regresją dwumianową. Sprawdź, czy regresja Poissona dobrze się sprawdza; w przeciwnym razie rozważ większą komplikację ujemnej regresji dwumianowej.
Nie mogę doradzić korzystania z SPSS. Nie zaskoczyłoby mnie, gdybyś potrzebował innego oprogramowania do elastycznej implementacji Poissona lub regresji ujemnej dwumianowej.
W SPSS Statistics polecenie GENLIN obsługuje Poissona, dwumian ujemny i kilka innych. (Analiza> Uogólnione modele liniowe). Jest to część opcji zaawansowanych statystyk.
źródło
Dwumian Poissona / Negatywu można również stosować z wynikiem binarnym z przesunięciem równym jeden. Oczywiście wymaga to, aby dane pochodziły z przyszłego projektu (kohorta, rct itp.). Regresja Poissona lub NB daje bardziej odpowiednią miarę efektu (IRR) w porównaniu do ilorazu szans z regresji logistycznej.
Regresja NB jest „bezpieczniejsza” do uruchomienia niż regresja Poissona, ponieważ nawet jeśli parametr naddyspersji (alfa w Stacie) nie jest statystycznie istotny, wyniki będą dokładnie takie same jak jego regresja Poissona.
źródło