μμ
V( μ ) = μ
V( μ ) = ψ μ
ψ > 0p
V( μ ) = a μ2+ b μ + c ,
λ > 0V( μ ) = μ ( 1 + μλ) .
λ → ∞
λ = ∞λ < ∞Poisson modelinde aşırı dağılım için regresyon temelli testler , genel varyans fonksiyonları için bir test sınıfını araştırır.
Bununla birlikte, her şeyden önce, artık arsaları, örneğin Pearson veya arsans kalıntılarını gösteren bir arsa (ya da bunların kare değerleri) incelenen değerlere karşı çalışmanızı tavsiye ederim. Varyansın fonksiyonel formu yanlışsa, bunu artık arsada bir huni şekli (veya kare artıklar için bir eğilim) olarak görürsünüz. Fonksiyonel form doğruysa, yani huni veya eğilim yoksa, hala aşırı veya düşük dağılım olabilir, ancak bu dağılım parametresini tahmin ederek açıklanabilir. Kalan arsanın yararı, bir şey varsa varyans fonksiyonunda neyin yanlış olduğunu bir testten daha net bir şekilde önermesidir.
OP'nin somut durumunda, 0.8'in verilen bilgilerden az dağılım gösterdiğini söylemek mümkün değildir. 5 ve 0.8 tahminlerine odaklanmak yerine, öncelikle Poisson modelinin ve negatif binom modelinin varyans fonksiyonlarının uyumunu araştırmanızı öneririm. Varyans fonksiyonunun en uygun fonksiyonel formu belirlendikten sonra, herhangi bir ek aşırı veya düşük dağılım için istatistiksel çıkarımın ayarlanması için gerekirse her iki modele bir dağılım parametresi dahil edilebilir. SAS'ta bunu nasıl kolayca yapabileceğim, maalesef yardımcı olabileceğim bir şey değil.