Salut,
Je suis tombé sur des résultats étranges lors de la création d'un modèle de régression de Poisson dans JMP et de leur comparaison avec R.
Je modélise le nombre (variable Y), en utilisant un modèle avec un mod d'interception et une variable catégorielle unique ("Avant mod"/"Modifié"). J'utilise Log(Time) comme variable de décalage. La taille de mon échantillon est de 60.
Lors de l'exécution de ce modèle, mes paramètres d'erreur standard d'estimation sont très importants (1291), mais les deux paramètres sont significatifs.
N'est-ce pas contradictoire, je pense que ce paramètre significatif devrait avoir une faible erreur std ?
De plus, l'estimation Intercept est en dehors des CL inférieur et supérieur.Ces deux-là peuvent-ils être un bug? Ou de telles informations seraient une indication pour rejeter un modèle médiocre.
De plus, j'exécute une plate-forme avec Firth Adjusted Maximum Likelihood, qui réduit considérablement l'erreur std et renvoie un modèle valide.
Mais j'ai recréé ce modèle dans R, en utilisant les bibliothèques glm et brglm2 [glmPoisson_firth <- glm(Y ~ mod + offset(Log.Time.), data = data, family = poisson(link = "log"), method = "brglmFit ", type = "AS_mean")]. Les estimations des paramètres et les erreurs standard sont les mêmes, mais contrairement à JMP, R montre que la variable mod est insignifiante (R p-value 0,10 vs JMP p-value 0,0062). Pouvez-vous expliquer d'où vient la différence ?
Salutations,
Ceg1
