在计数数据分析中检验零膨胀与过度离散的后果
统计方法学
2020-07-14 v4
摘要
计数数据在生态学中无处不在，泊松广义线性模型（GLM）常用于建模计数与感兴趣的解释变量之间的关联。拟合该模型于数据时，通常先确认数据不过度离散且无过多零值。若数据看似过度离散或存在零膨胀，泊松GLM的关键假设可能违背，研究者通常会考虑泊松GLM的替代模型。一个重要问题是，这种数据驱动的多阶段过程引入的潜在模型选择偏倚是否值得关注。本文通过大规模模拟研究，考察在分析可能过度离散、可能零过多的计数数据样本这一简单情景中，可能由模型选择偏倚引发的后果。
引用
@article{arxiv.1911.00115,
title = {The consequences of checking for zero-inflation and overdispersion in the analysis of count data},
author = {Harlan Campbell},
journal= {arXiv preprint arXiv:1911.00115},
year = {2020}
}
备注
30 pages, 17 figures