J'ai des données de comptage (analyse de l'offre / de la demande avec le nombre de clients, en fonction - éventuellement - de nombreux facteurs) J'ai essayé une régression linéaire avec des erreurs normales, mais mon tracé QQ n'est pas vraiment bon. J'ai essayé une transformation logarithmique de la réponse: encore une fois, mauvais QQ-plot.
Alors maintenant, j'essaie une régression avec des erreurs de Poisson. Avec un modèle avec toutes les variables significatives, j'obtiens:
Null deviance: 12593.2 on 53 degrees of freedom
Residual deviance: 1161.3 on 37 degrees of freedom
AIC: 1573.7
Number of Fisher Scoring iterations: 5
La déviance résiduelle est plus grande que les degrés de liberté résiduels: j'ai une surdispersion.
Comment savoir si je dois utiliser du quasipoisson? Quel est l'objectif de quasipoisson dans ce cas? J'ai lu ce conseil dans "The R Book" de Crawley, mais je ne vois pas l'intérêt ni une grande amélioration dans mon cas.