Strategia decydowania o odpowiednim modelu danych zliczania

Jaka jest właściwa strategia przy podejmowaniu decyzji, którego modelu użyć z danymi zliczania? Mam dane, które muszę zamodelować jako model wielopoziomowy i zalecono mi (na tej stronie), że najlepszym sposobem jest to poprzez błędy lub MCMCglmm. Jednak wciąż próbuję dowiedzieć się o statystykach bayesowskich i pomyślałem, że najpierw powinienem dopasować swoje dane jako uogólnione modele liniowe i zignorować zagnieżdżoną strukturę danych (tylko po to, aby uzyskać mgliste pojęcie, czego się spodziewać).

Około 70% danych to 0, a stosunek wariancji do średniej wynosi 33. Tak więc dane są dość rozproszone.

Po wypróbowaniu wielu różnych opcji (w tym modelu Poissona, modelu dwumianowego ujemnego, modelu quasi i zerowego) widzę bardzo małą spójność wyników (od wszystkiego, co jest znaczące do nic, jest znaczące).

Jak mogę podjąć świadomą decyzję o wyborze modelu na podstawie inflacji 0 i nadmiernej dyspersji? Na przykład, w jaki sposób mogę wywnioskować, że quasi-poisson jest bardziej odpowiedni niż ujemny dwumianowy (lub odwrotnie) i skąd mam wiedzieć, że użycie odpowiednio poradziło sobie (lub nie) z nadmiarem zer? Podobnie, jak mogę ocenić, że nie ma już nadmiernej dyspersji, jeśli stosuje się model z napompowaniem zerowym? lub jak powinienem zdecydować pomiędzy napompowanym zerowym poissonem a zerowym napełnionym ujemnym dwumianem?

Zawsze możesz porównać modele liczenia, patrząc na ich prognozy (najlepiej na zestaw wstrzymujący). J. Scott Long omawia to graficznie (zestawiając przewidywane wartości z rzeczywistymi). Jego podręcznik tutaj opisuje szczegółowo, ale możesz także zajrzeć do 6.4 tego dokumentu .

Możesz porównywać modele za pomocą AIC lub BIC. Istnieje również test o nazwie Test Vounga, którego nie znam, ale można go porównać z napompowaniem zerowym do modeli zagnieżdżonych. Oto artykuł Sas opisujący go krótko na stronie 10, aby zacząć. Jest to również implikowane w księgowaniu R.

Kilka rzeczy, które należy dodać do tego, co powiedział B_Miner:

1) Napisałeś, że modele różniły się od „wszystkiego znaczącego” do „nic znaczącego”, ale nie jest to dobry sposób na porównanie modeli. Zamiast tego spójrz na przewidywane wartości (jak sugerował B_miner) i rozmiary efektów.

2) Jeśli 70% danych to 0, nie mogę sobie wyobrazić, że model bez inflacji 0 jest odpowiedni.

3) Nawet jeśli nie chcesz korzystać z Bayesian, możesz używać GLMM w SAS (PROC GLIMMIX lub NLMIXED) i R (różne pakiety). Ignorowanie zagnieżdżonej przyrody może wszystko zepsuć.

4) Ogólnie rzecz biorąc, wybór najlepszego modelu jest sztuką, a nie nauką. Są statystyki do wykorzystania, ale są one przewodnikiem po osądzie. Patrząc na to, co napisałeś, powiedziałbym, że model ZINB wygląda dobrze

Rozumiem, że należy stosować rozkłady z nadwyżką zera, gdy istnieje uzasadnienie, że niektóre przedmioty generują liczbę zer w stosunku do dowolnej innej liczby. Innymi słowy, należy zastosować rozkład z nadwyżką zera, jeśli zera są wytwarzane w oddzielnym procesie niż ten, który wytwarza pozostałe liczby. Jeśli nie masz na to uzasadnienia, biorąc pod uwagę nadmierną dyspersję w próbie, sugeruję zastosowanie ujemnego rozkładu dwumianowego, ponieważ dokładnie reprezentuje on liczebność zer i reprezentuje nieobserwowaną niejednorodność poprzez swobodne oszacowanie tego parametru. Jak wspomniano powyżej, książka Scotta Longa jest świetnym odniesieniem.

absolutnie zgodził się z tym, co powiedział Matt, najpierw musisz pomyśleć o tle danych ... Nie ma sensu dopasowywanie modeli ZI, gdy w populacji nie ma żadnych wyzwalaczy generujących zero! Zaletą modeli NB jest to, że mogą one wykazywać nieobserwowaną heterogeniczność w losowej zmiennej rozproszonej gamma. Technicznie: Głównymi przyczynami nadmiernej dyspersji są unobs Heterogeniczność i zerowa inflacja. Nie wierzę, że twoje dopasowanie jest złe. Przy okazji, aby uzyskać dobre dopasowanie, należy zawsze porównywać Deviance ze stopniami swobody twojego modelu. Jeśli odchylenie D jest większe niż n- (p + 1) (to jest df), powinieneś poszukać lepszego modelu. Chociaż w większości nie ma lepszych modeli niż ZINB, aby pozbyć się nadmiernej dyspersji.

jeśli chcesz dopasować ZINB do R, pobierz pakiet pscli spróbuj użyć polecenia zeroinfl(<model>, dist=negative). Więcej informacji znajduje się ?zeroinflpo załadowaniu wymaganej paczki!