포아송 / 로그 선형 모형의 우도 비 검정을 위해 제로 카운트를 조정해야합니까? 함수 사용)을 피팅하는 경우 glm

우연성 표에 0이 glm있고 우도 비율 검정에 중첩 포아송 / 로그 선형 모형 (R의 함수 사용)을 피팅하는 경우 glm 모형을 피팅하기 전에 데이터를 조정해야합니다 (예 : 모두에 1/2 추가) 카운트)? 조정 없이는 일부 파라미터를 추정 할 수 없지만 조정 / 조정 부족이 LR 테스트에 어떤 영향을 줍니까?



답변

회귀 모델링의 장점 중 하나는 일반적으로 데이터가없는 영역을 매끄럽게 할 수 있다는 것입니다. 알다시피 매개 변수 추정에 문제가있는 경우가 있습니다. 무한 표준 오류와 같은 일이 발생하면 모델링 접근법을 조금씩 다시 생각할 시간입니다.

주의해야 할 한 가지주의 사항 : 특정 지층에서 “횟수 없음”사이에는 차이가 있으며 해당 지층에 계수 가있는 것은 불가능합니다 . 예를 들어, 2000 년과 2009 년 사이에 미 해군의 심리적 장애에 대한 연구를 진행 중이고 “Is a Woman”과 “Subserv on Submarine”에 대한 이진 회귀 항이 있다고 가정합니다. 회귀 모델 모두 = 1 인 0 카운트에도 불구하고 두 변수 = 1 인 효과를 추정 할 있습니다. 그러나 추론이 유효하지 않을 수 있습니다. 이 문제를 “비 양성”이라고하며 고도로 계층화 된 모델에서 문제가되는 경우가 있습니다.