我正在尝试确定泊松或负二项式GLM是分析我的数据的更好模型。这些模型是:
mal_NB <- glm.nb(own_stability ~ own_treatment +
partner_treatment,
data = compiled_mal_2, link = log)
mal_poisson <- glm(own_stability ~ own_treatment +
partner_treatment,
family = poisson(link = "log"), data = compiled_mal_2)
我有两个主要问题,首先,我可以使用似然比检验来比较两者(即R中的lrtest()
函数。其次,我如何解释该检验的输出(见下文)?
> lrtest(mal_poisson, mal_NB)
Likelihood ratio test
Model 1: own_stability ~ own_treatment + partner_treatment
Model 2: own_stability ~ own_treatment + partner_treatment
#Df LogLik Df Chisq Pr(>Chisq)
1 5 -365.02
2 6 -152.30 1 425.42 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
您可以使用似然比检验,但要决定选择分布时,首先应执行一些模型验证步骤,即检查是否有任何模式表明残差适合(或不适合)模式的残差,以及检查模型对于overdispersion。
您通过似然比测试进行的模型比较在确定哪种固定效果组合可以最好地解释数据方面更为常见。测试的输出表明,您的第二个模型(负二项式)可以更好地解释数据,因此拟合效果更好(如p值所示)。
https://stats.stackexchange.com/上有很多关于模型选择的答案,例如https://stats.stackexchange.com/a/325431/32477