Sağlam Poisson Regresyonu
Robust Poisson Regression with Sandwich Variance Estimator · Ayrıca şöyle bilinir: modified Poisson regression, Poisson regression with robust standard errors, log-binomial alternative, sandwich-variance Poisson
Sağlam Poisson regresyonu, ikili bir sonuca Poisson log-lineer bir model uydurur ancak model tabanlı varyansı ampirik sandviç tahmin edicisi ile değiştirir. Bu, Poisson varyans varsayımları ikili veriler için teknik olarak ihlal edilmiş olsa bile geçerli standart hatalar ve risk oranları sağlar. Zou (2004) tarafından popülerleştirilen bu yaklaşım, log-binominal regresyona sayısal olarak kararlı bir alternatif olarak epidemiyolojide yaygın olarak kullanılmaktadır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
İkili bir sonucunuz olduğunda, oran oranları yerine risk oranları istediğinizde ve log-binominal regresyon yakınsamada başarısız olduğunda — ki bu genellikle öngörücüler sürekli olduğunda veya sonuç yaygın olduğunda (prevalans > %10) olur — sağlam Poisson regresyonunu kullanın. Kesitsel çalışmalar ve tam takip edilmiş ileriye dönük kohort çalışmaları için uygundur. Sonuç gerçekten birim zaman başına olay sayısı olduğunda (standart Poisson veya negatif binominal kullanın) veya sonuç çok nadir olduğunda (< %5), lojistik oran oranları zaten risk oranlarına yaklaştığında kullanmayın. Log bağlantısının verilerin büyük kısımları için olasılıkları [0,1] dışında tahmin ettiği durumlarda kaçının — tahmin sonrası uydurulmuş değerleri kontrol edin.
Güçlü yönler & sınırlılıklar
- Oran oranları yerine doğrudan yorumlanabilir risk oranları (göreli riskler) üretir.
- Log-binominal regresyondan sayısal olarak daha kararlıdır; IRLS nadiren yakınsamada başarısız olur.
- Sandviç varyans tahmin edicisi, hata dağılımının yanlış belirtilmesine karşı sağlamdır.
- Epidemiyoloji ve halk sağlığında yaygın olarak kabul edilmiştir — sonuçlar klinik kitleler tarafından anlaşılmaktadır.
- Poisson ailesi ve sağlam standart hatalarla GEE kullanarak kümelenmiş veya boylamsal verilere doğal olarak genişler.
- İhtimal fonksiyonu kasıtlı olarak yanlış belirtildiği için, ihtimal oranı testleri ve AIC anlamlı değildir; bunun yerine sandviç standart hatalarla Wald testlerini kullanın.
- Uydurulmuş olasılıklar 1'i aşabilir, bu da o bölgelerdeki model kararsızlığını gösterir.
- İkili veriler gerçekten bir log-binominal dağılıma uyduğunda doğru şekilde belirtilmiş bir modelden daha az verimlidir.
SSS
Neden sadece lojistik regresyon kullanıp oran oranlarını risk oranlarına dönüştürmüyorsunuz?
Dönüşüm formülleri mevcuttur ancak temel riski bilmeyi gerektirir ve ek belirsizlik getirir. Sonuç yaygın olduğunda (prevalans > %10), oran oranları risk oranlarını önemli ölçüde aşar, bu da dönüşümü güvenilmez hale getirir. Sağlam Poisson, yaklaşım olmadan doğrudan risk oranları verir.
Pratikte sağlam standart hataları nasıl talep edebilirim?
R'de, family=poisson(link='log') ile glm() kullanın, ardından sandwich::vcovHC() ile sarın veya lmtest paketinden coeftest() fonksiyonunu kullanın. Stata'da, poisson komutuna vce(robust) seçeneğini ekleyin.
Uydurulmuş olasılıklar 1'i aşarsa ne olur?
Bu, log-lineer modelin o kovaryat kombinasyonları için geçerli bir olasılık aralığının ötesine ekstrapolasyon yaptığını gösterir. fitted(model) ile tahmin edilen değerlerin aralığını kontrol edin. Birçoğu 1'i aşarsa, log-binominal regresyon, lojistik regresyon veya kovaryat aralığını kısıtlamayı düşünün.
Bu yöntemi kümelenmiş verilerle kullanabilir miyim?
Evet. Küme sağlam standart hataları (kümelenmiş sandviç tahmin edicisi) belirtin veya Poisson ailesi, log bağlantısı ve çalışma bağımsızlığı veya değişebilirlik korelasyon yapısı ile genelleştirilmiş tahmin denklemleri (GEE) kullanın, sağlam standart hataları talep edin.
Nadir sonuçlar için sağlam Poisson uygun mu?
Nadir sonuçlar için (prevalans <%5), oran oranı risk oranına yakındır, bu nedenle lojistik regresyon genellikle yeterlidir ve sağlam Poisson'un yanlış belirtme endişelerinden kaçınır. Yöntem, sonuç yaygın olduğunda en değerlidir.
Kaynaklar
- Zou, G. (2004). A modified Poisson regression approach to prospective studies with binary data. American Journal of Epidemiology, 159(7), 702-706. DOI: 10.1093/aje/kwh090 ↗
- Zou, G. Y., & Donner, A. (2013). Extension of the modified Poisson regression model to prospective studies with binary data: why it is simpler than it sounds. Journal of Clinical Epidemiology, 66(9), 1023-1028. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Poisson Regression with Sandwich Variance Estimator. ScholarGate. https://scholargate.app/tr/statistics/robust-poisson-regression
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Genelleştirilmiş Doğrusal Model (GLM)İstatistik↔ karşılaştır
- Lojistik RegresyonAraştırma istatistiği↔ karşılaştır
- Negatif Binominal RegresyonEkonometri↔ karşılaştır
- Poisson ve Negatif Binom RegresyonuEkonometri↔ karşılaştır
- Sağlam Regresyonİstatistik↔ karşılaştır