J'ai ces données:
set.seed(1)
predictor <- rnorm(20)
set.seed(1)
counts <- c(sample(1:1000, 20))
df <- data.frame(counts, predictor)
J'ai couru une régression de poisson
poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson")
Et une régression binomiale négative:
require(MASS)
nb_counts <- glm.nb(counts ~ predictor, data = df)
Ensuite, j'ai calculé les statistiques de dispersion pour la régression du poisson:
sum(residuals(poisson_counts, type="pearson")^2)/df.residual(poisson_counts)
# [1] 145.4905
Et la régression binomiale négative:
sum(residuals(nb_counts, type="pearson")^2)/df.residual(nb_counts)
# [1] 0.7650289
Quelqu'un peut-il expliquer, SANS UTILISER D'ÉQUATIONS, pourquoi la statistique de dispersion pour la régression binomiale négative est considérablement plus petite que la statistique de dispersion pour la régression poisson?