Hallo,
Als ich in JMP ein Poisson-Regressionsmodell erstellte und es mit R verglich, stieß ich auf seltsame Ergebnisse.
Ich modelliere die Anzahl (Y-Variable) und verwende ein Modell mit Schnittpunkt und einer einzelnen kategorialen Variablen mod („Vor mod“/„Geändert“). Ich verwende Log(Time) als meine Offset-Variable. Meine Stichprobengröße beträgt 60.
Bei der Ausführung dieses Modells ist der Standardfehler meiner Parameterschätzungen sehr groß (1291), aber beide Parameter sind signifikant.
Ist es nicht widersprüchlich, dass dieser wichtige Parameter meiner Meinung nach einen niedrigen Standardfehler haben sollte?
Darüber hinaus liegt die Intercept-Schätzung außerhalb des unteren und oberen CL.Können die beiden ein Fehler sein? Oder solche Informationen wären ein Hinweis darauf, ein schlechtes Modell abzulehnen.
Darüber hinaus verwende ich eine Plattform mit Firth Adjusted Maximum Likelihood, die den Standardfehler erheblich reduziert und ein gültiges Modell zurückgegeben hat.
Aber ich habe dieses Modell in R neu erstellt und dabei die Bibliotheken glm und brglm2 verwendet [glmPoisson_firth <- glm(Y ~ mod + offset(Log.Time.), data = data, family = poisson(link = "log"), method = "brglmFit ", type = "AS_mean")]. Parameterschätzungen und Standardfehler sind gleich, aber im Gegensatz zu JMP zeigt R, dass die Mod-Variable unbedeutend ist (R-p-Wert 0,10 gegenüber JMP-p-Wert 0,0062). Können Sie erklären, woher der Unterschied kommt?
Grüße,
Ceg1
Der Likelihood-Ratio-Test (LRT) basiert nicht auf dem Standardfehler. Es basiert auf dem Chi-Quadrat, das mit dem Hinzufügen dieses Termes zum Modell verbunden ist.
Die Schätzung des Abschnitts, -17,6756, liegt innerhalb des angegebenen Konfidenzintervalls, -178,3917 bis -9,458.
Die R-Funktion verwendet einen Z-Test unter Annahme normaler Fehler und bekannter Varianz. JMP nutzt das LRT, das eine bessere Abdeckung bietet.
