我有以下变量：
回复：渔民租用（进出）配额单位数量 .
解释性：渔民拥有的配额单位数量 .
我装了一个GLM（Poisson），但我不完全确定它是否正确，考虑到解释变量也是计数 . 我发现泊松回归的例子只是分类和连续的解释变量，而不是计数变量 .
所以：
我是否正确使用Poisson和我的数据？如果不是这样，我还有什么选择？
我的模型的残差方差不均匀 . 我知道Poisson回归允许面对这个问题，或者我应该注意这个问题并解决它（例如使用权重）？
任何帮助将非常感谢，
问题似乎可以用泊松回归很好地建模 . 剩余方差不应该是“同质的” . 泊松模型假设方差与平均值成比例 . 如果违反了这一规定，您可以选择 . 也可以使用准二项式和负二项式模型，并且它们允许一些放宽色散参数估计 .
如果渔民拥有的配额单位数量设置了所用数量的上限，那么我认为不应该将其用作解释变量，但最好输入offset = log（quota_units） . 它将改变估计的解释，使得它们是对数的估计值（usage_rate） .
1 回答
问题似乎可以用泊松回归很好地建模 . 剩余方差不应该是“同质的” . 泊松模型假设方差与平均值成比例 . 如果违反了这一规定，您可以选择 . 也可以使用准二项式和负二项式模型，并且它们允许一些放宽色散参数估计 .
如果渔民拥有的配额单位数量设置了所用数量的上限，那么我认为不应该将其用作解释变量，但最好输入offset = log（quota_units） . 它将改变估计的解释，使得它们是对数的估计值（usage_rate） .