二项式，负二项式和Poisson回归之间的差异

我正在寻找有关二项式，负二项式和泊松回归之间差异的信息，以及这些回归最适合哪种情况。

我是否可以在SPSS中执行任何测试，以告诉我这些回归中哪一个最适合我的情况？

另外，由于没有在回归部分可以看到的选项，因此如何在SPSS中运行泊松或负二项式？

如果您有任何有用的链接，我将非常感谢。

只有数据的性质和感兴趣的问题才能告诉您这些回归中的哪一种最适合您的情况。因此，没有任何测试可以告诉您哪种方法最适合您。（单击下面的回归方法的链接，以查看SPSS中的一些可用示例。）

• 如果您有二元结局（例如死亡/存活，患病/健康，1/0），则逻辑回归是合适的。
• 如果您的结果是离散计数，则可以使用泊松回归或负二项式回归。

请记住，泊松分布假设均值和方差相同。有时，您的数据显示出超出平均值的额外变化。这种情况称为过度分散，负二项式回归在这方面比Poisson回归更灵活（在这种情况下，您仍然可以使用Poisson回归，但标准误差可能会有所偏差）。的负二项式分布具有一个参数超过了泊松回归调整从平均值独立地方差。实际上，泊松分布是负二项式分布的特例。

这太久了，无法发表评论，所以我将其作为答案。

总体而言，二项式和泊松与另一项是负二项式之间的区别在于数据的性质；测试无关紧要。

关于泊松回归的要求存在广泛的神话。方差等于均值是泊松的特征，但泊松回归不需要响应，也不要求响应的边际分布是泊松，这比经典回归要求它是正态的（高斯）还要多。

拥有可疑的标准误差并不是致命的，尤其是因为您可以在体面的Poisson回归实现中更好地估计标准误差。

泊松也不是绝对要求对回应进行计数。它通常可与非负连续变量一起很好地工作。有关Poisson低估（双关语意）的更多信息，请参见

http://blog.stata.com/tag/poisson-regression/

及其参考。该博客条目的Stata内容不应阻止它引起人们的兴趣并将其用于不使用Stata的人。

很难就泊松和负二项式回归之间的选择提供很好的建议。看看泊松回归是否做得很好；否则考虑负二项式回归的更大并发症。

我不能建议使用SPSS。如果您需要使用其他软件来灵活实现Poisson或负二项式回归，这不会令我感到惊讶。

在SPSS Statistics中，GENLIN命令可处理泊松，负二项式和其他许多类。（分析>广义线性模型）。它是“高级统计信息”选项的一部分。

泊松/负二项式也可以用于偏移等于1的二进制结果。当然，有必要使数据来自预期设计（同类，RCT等）。泊松或NB回归从Logistic回归中得出了更合适的效果量度（IRR）与比值比。

NB回归比Poisson回归更“安全”，因为即使过度分散参数（Stata中的alpha）在统计上不显着，结果也将与Poisson回归形式完全相同。