Tengo estos datos:
set.seed(1)
predictor <- rnorm(20)
set.seed(1)
counts <- c(sample(1:1000, 20))
df <- data.frame(counts, predictor)
Corrí una regresión de Poisson
poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson")
Y una regresión binomial negativa:
require(MASS)
nb_counts <- glm.nb(counts ~ predictor, data = df)
Luego calculé las estadísticas de dispersión para la regresión de Poisson:
sum(residuals(poisson_counts, type="pearson")^2)/df.residual(poisson_counts)
# [1] 145.4905
Y la regresión binomial negativa:
sum(residuals(nb_counts, type="pearson")^2)/df.residual(nb_counts)
# [1] 0.7650289
¿Alguien puede explicar, SIN USAR ECUACIONES, por qué el estadístico de dispersión para la regresión binomial negativa es considerablemente más pequeño que el estadístico de dispersión para la regresión de Poisson?