やあ、
JMP でポアソン回帰モデルを作成し、R と比較したときに奇妙な結果に遭遇しました。
切片と単一のカテゴリ変数 mod (「Before mod」/「Modified」) を持つモデルを使用して、カウント (Y 変数) をモデリングしています。 Log(Time) をオフセット変数として使用しています。 私のサンプルサイズは60です。
このモデルを実行すると、パラメーター推定の標準誤差は非常に大きくなります (1291) が、両方のパラメーターが重要です。
矛盾していませんか。重要なパラメーターは標準偏差が低いはずだと思いますか?
さらに、切片推定値は下限 CL と上限 CL の範囲外です。この2つはバグでしょうか？ あるいは、そのような情報は、不適切なモデルを拒否することを示すものになるでしょう。
さらに、Firth 調整最尤法を使用してプラットフォームを実行すると、標準偏差が大幅に減少し、有効なモデルが返されました。
しかし、私は glm および brglm2 ライブラリ [glmPoisson_firth <- glm(Y ~ mod + offset(Log.Time.), data = data, family = poisson(link = "log"), method = "brglmFit" を使用して、このモデルを R で再作成しました。 "、タイプ = "AS_mean")]。 パラメーター推定値と標準誤差は同じですが、JMP とは対照的に、R は mod 変数が有意ではないことを示しています (R p 値 0.10 対 JMP p 値 0.0062)。 違いがどこから来るのか説明できますか?
よろしく、
Ceg1
尤度比検定 (LRT) は標準誤差に基づいていません。 これは、この項をモデルに追加することに関連するカイ二乗に基づいています。
切片の推定値 -17.6756 は、指定された信頼区間 -178.3917 ～ -9.458 内にあります。
R 関数は、通常の誤差と既知の分散を仮定した Z 検定を使用します。 JMP は LRT を使用しているため、カバレッジが向上します。
