Modelo binomial negativo de comparação e quase-Poisson

Corri modelos binomiais negativos e quase-Poisson com base em uma abordagem de teste de hipóteses. Meus modelos finais, usando os dois métodos, têm covariáveis ​​e interações diferentes. Parece que não há padrões quando planto meus resíduos nos dois casos. Assim, eu queria saber qual teste eu poderia usar para ver qual modelo se encaixa melhor nos meus dados, já que o quase-Poisson não tem nenhuma probabilidade ou AIC…

Além disso, tenho muita sobredispersão, o que me faz pensar que o binômio negativo seria mais apropriado, mas não sei se posso escolher meu modelo com base no bom senso…

Eu vejo o quase-poisson como uma correção técnica; permite estimar como um parâmetro adicional , o parâmetro de dispersão. No Poisson por definição. Se seus dados não forem tão ou mais dispersos que isso, os erros padrão dos coeficientes do modelo serão tendenciosos. Ao estimar ao mesmo tempo em que estima os outros coeficientes do modelo, você pode fornecer uma correção para os erros padrão do modelo e, portanto, suas estatísticas de teste e valores de associados . Esta é apenas uma correção para as suposições do modelo.$\phi$$\phi = 1$$\hat{\phi}$$p$

O binômio negativo é um modelo mais direto para a super-dispersão; que o processo de geração de dados é ou pode ser aproximado por um binômio negativo.

O quase-Poisson também apresenta toda uma pilha de questões práticas, como não ter uma probabilidade real, portanto, toda a pilha de coisas úteis para a seleção de modelos, como teste de razão de verossimilhança, AIC, etc ... (Eu sei que há algo chamado QAIC , mas os Rs, glm()por exemplo, não fornecerão a você).