math - 负二项式回归假设检验

Question

第一次发帖！

我是一名生物学家，在应用统计学和 R 方面的背景有限。基本上知道足够危险，所以我很感激有人可以确认/否认我走在正确的道路上。

我的数据集包括计数数据（野生动物对水井的访问）作为响应变量和多个连续预测变量（环境测量）。

首先，我通过删除一些预测变量来消除多重共线性。其次，我研究了响应变量的分布。最初，它看起来像泊松。然而，泊松精确检验返回显着，响应变量的方差约为 200，平均值约为 9，即过度分散。因此，我决定继续使用负二项式和准泊松回归。两者都选择了相同的模型，其残差处于正态分布。此外，预测值上的残差图是无偏的和同方差的。

问题： 1. 我是否选择了正确的回归来建模这些数据？2. 我需要测试 NBR 和 QpR 的其他假设吗？我应该如何/我在哪里可以了解如何做这些？3. 我是否正确检查了过度分散？比较均值和方差与比较响应变量的条件均值和方差有区别吗？4. 虽然 NBR 和 QpR 称为同一个模型，有没有办法选择哪个是“更好”的方法？5. 我想最终发表。我应该对我选择的模型进行更多分析吗？

标签： mathstatisticsregressionpoisson