Coeficientes idênticos estimados no modelo de Poisson vs Quasi-Poisson

Na modelagem de dados de contagem de solicitações em um ambiente de seguro, comecei com Poisson, mas depois notei superdispersão. Um Quasi-Poisson modelou melhor a maior relação média-variância que o Poisson básico, mas notei que os coeficientes eram idênticos nos modelos de Poisson e Quasi-Poisson.

Se isso não é um erro, por que isso está acontecendo? Qual é o benefício de usar o Quasi-Poisson sobre o Poisson?

Coisas a serem observadas:

• As perdas subjacentes são excessivas, o que (acredito) impediu o Tweedie de funcionar - mas foi a primeira distribuição que tentei. Também examinei os modelos NB, ZIP, ZINB e Hurdle, mas ainda assim achei o Quasi-Poisson o mais adequado.
• Testei a super-dispersão via dispersiontest no pacote AER. Meu parâmetro de dispersão foi de aproximadamente 8,4, com valor de p na magnitude 10 ^ -16.
• Estou usando glm () com family = poisson ou quasipoisson e um link de log para o código.
• Ao executar o código Poisson, saio com avisos de "In dpois (y, mu, log = TRUE): não inteiro x = ...".

Threads úteis da SE de acordo com a orientação de Ben:

1. Matemática Básica de Offsets na regressão de Poisson
2. Impacto das compensações nos coeficientes
3. Diferença entre usar Exposição como Covariada vs Deslocamento

$\chi^2$$p$

$p$

• Como você comentou acima, existem muitas abordagens diferentes para a super-dispersão (Tweedie, diferentes parametrizações binomiais negativas, quase-probabilidade, inflação zero / alteração).
• Com um fator de super-dispersão de> 5 (8,4), eu me preocuparia um pouco com o fato de estar sendo conduzido por algum tipo de ajuste inadequado do modelo (valores extremos, inflação zero [que vejo que você já tentou], não linearidade) do que representar a heterogeneidade geral. Minha abordagem geral é a exploração gráfica dos dados brutos e o diagnóstico de regressão ...