649090_zh-TW

liliconcom

使用 Firth 調整的 GLM 泊松回歸以及與 R 的比較

你好，

 

在 JMP 中創建泊松回歸模型並將其與 R 進行比較時，我發現了一個奇怪的結果。

 

我正在對計數（Y 變量）進行建模，使用帶有截距的模型和單個分類變量 mod（“Before mod”/“Modified”）。 我使用 Log(Time) 作為我的偏移變量。 我的樣本量是 60。

 

運行這個模型時，我的參數估計標準誤差非常大（1291），但兩個參數都很重要。

 

我認為重要的參數應該具有低標準誤差，這不是矛盾嗎？

此外，截距估計位於 CL 下限和 CL 上限之外。這兩個會是bug嗎？ 或者這樣的信息將表明拒絕不良模型。

 

此外，我運行了一個帶有 Firth 調整最大似然的平台，它顯著減少了標準誤差並返回了有效的模型。

但我使用 glm 和 brglm2 庫在 R 中重新創建了這個模型 [glmPoisson_firth <- glm(Y ~ mod + offset(Log.Time.), data = data, family = poisson(link = "log"), method = "brglmFit “，類型=“AS_mean”）]。 參數估計值和標準誤差相同，但與 JMP R 相比，表明 mod 變量不顯著（R p 值 0.10 與 JMP p 值 0.0062）。 你能解釋一下差異從何而來嗎？

 

問候，

CEG1

 

 

高級統計建模回复：帶有 Firth 調整的 GLM 泊松回歸以及與 R 的比較

似然比檢驗 (LRT) 不基於標準誤差。 它基於與將此項添加到模型相關的卡方。

 

截距估計值 -17.6756 在規定的置信區間 -178.3917 到 -9.458 內。

 

R 函數使用 Z 檢驗，假設正態誤差和已知方差。 JMP 使用輕軌，覆蓋範圍更廣。