Logistic
泊鬆與邏輯回歸
我有一組具有不同隨訪時間的患者。到目前為止，我忽略了時間方面，只需要對二元結果-疾病/無疾病進行建模。我通常在這些研究中進行邏輯回歸，但我的另一位同事問泊松回歸是否合適。我不是很喜歡泊松，並且不確定在這種情況下做泊鬆的好處和壞處將與邏輯回歸進行比較。我閱讀了泊松回歸來估計二元結果的相對風險，但我仍然不確定泊松回歸在這種情況下的優點。
這個問題的一種解決方案是假設事件（如突發事件）的數量與時間成正比。如果您用， 然後在這裡，兩倍長的後續操作將使預期計數增加一倍，其他條件相同。這可以在代數上等價於一個模型，其中這只是泊松模型，係數為受限於. 您還可以通過放寬約束並測試以下假設來測試比例假設.
但是，這聽起來不像您觀察事件的數量，因為您的結果是二元的（或者考慮到您的疾病，它可能沒有意義）。這使我相信具有對數偏移的邏輯模型在這裡更合適。