HVA ER OVERDISPENSJON

[Tijana]

Hei,

Har lest både forelesningsnotater og notat 4, men forstår fremdeles
ikke helt hva overdispensjon er.

Er det noe som oppstår hvis delforsøkene ikke er uavhengige, dvs. hvis
det er positiv assosiasjon mellom delforsøkene?

Hvordan bruker kjikvadrat-test for å finne ut om det kan vare snakk om
overdispansjon?

Hvordan justerer vi for overdispansjon? Hvordan estimerer vi
scaleparameteren?

[Jisca]

Hey,
Not sure if I am to explain it any better than in the handouts, so I
did a quick google search. Sometimes it helps to read an explanation
in a slightly different way to 'get it'. This seems a pretty clear
explanation, I hope it helps:
http://gbi.agrsci.dk/statistics/courses/phd06/material/overdispersion-Lecture.pdf

[Jarle Tufto]

On Jun 2, 9:01 pm, Tijana <tijana.ga...@gmail.com> wrote:

> Hei,
>
> Har lest både forelesningsnotater og notat 4, men forstår fremdeles
> ikke helt hva overdispensjon er.
>
> Er det noe som oppstår hvis delforsøkene ikke er uavhengige, dvs. hvis
> det er positiv assosiasjon mellom delforsøkene?
>
> Hvordan bruker kjikvadrat-test for å finne ut om det kan vare snakk om
> overdispansjon?

Hvis det ikke er overdispersjon (H0) er deviansen kji-kvadratfordelt
med n-p frihetsgrader. Hvis observert devians er stor i forhold til
hva vi forventer under H0 forkastes H0 (hvis observert devians er
større enn øvre alpha-kvantil i kji-kvadratfordeling med n-p
frihetsgrader).

> Hvordan justerer vi for overdispansjon? Hvordan estimerer vi
> scaleparameteren?

R gjør dette for oss hvis vi bruker argumentet family=quasibinomial
eller family=quasipoisson. Det som da skjer er at samme likelihood
som for modell uten overdispersjon brukes. Scaleparameteren estimeres
så ved ligning (37). I praksis fungerer (38) dersom responsen er
binomisk. Tilsvarende estimator brukes for Poissonrespons.

Når det gjelder hypotesetester justerer vi for overdispersjon ved å
bruke F-test i stedet for kji-kvadrat test (i drop1) eventuellt t-test
i stedet for z-test (se output fra summary).

Standardfeilen til ulike estimat øker med en faktor lik kvadratroten
av estimatet av scaleparameteren (for en "begrunnelse" av dette, se
spørsmål 5 i øving 8).