649090_zh-CN

liliconcom

使用 Firth 调整的 GLM 泊松回归以及与 R 的比较

你好，

 

在 JMP 中创建泊松回归模型并将其与 R 进行比较时，我发现了一个奇怪的结果。

 

我正在对计数（Y 变量）进行建模，使用带有截距的模型和单个分类变量 mod（“Before mod”/“Modified”）。 我使用 Log(Time) 作为我的偏移变量。 我的样本量是 60。

 

运行这个模型时，我的参数估计标准误差非常大（1291），但两个参数都很重要。

 

我认为重要的参数应该具有低标准误差，这不是矛盾吗？

此外，截距估计位于 CL 下限和 CL 上限之外。这两个会是bug吗？ 或者这样的信息将表明拒绝不良模型。

 

此外，我运行了一个带有 Firth 调整最大似然的平台，它显着减少了标准误差并返回了有效的模型。

但我使用 glm 和 brglm2 库在 R 中重新创建了这个模型 [glmPoisson_firth <- glm(Y ~ mod + offset(Log.Time.), data = data, family = poisson(link = "log"), method = "brglmFit “，类型=“AS_mean”）]。 参数估计值和标准误差相同，但与 JMP R 相比，表明 mod 变量不显着（R p 值 0.10 与 JMP p 值 0.0062）。 你能解释一下差异从何而来吗？

 

问候，

CEG1

 

 

高级统计建模回复：带有 Firth 调整的 GLM 泊松回归以及与 R 的比较

似然比检验 (LRT) 不基于标准误差。 它基于与将此项添加到模型相关的卡方。

 

截距估计值 -17.6756 位于规定的置信区间 -178.3917 到 -9.458 之内。

 

R 函数使用 Z 检验，假设正态误差和已知方差。 JMP 使用轻轨，覆盖范围更广。