home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #31 / NN_1992_31.iso / spool / bit / listserv / statl / 2269 < prev    next >
Encoding:
Text File  |  1992-12-22  |  2.3 KB  |  49 lines
  1. Comments: Gated by NETNEWS@AUVM.AMERICAN.EDU
  2. Path: sparky!uunet!zaphod.mps.ohio-state.edu!usc!howland.reston.ans.net!paladin.american.edu!auvm!UI.URBAN.ORG!PETRONIS
  3. X-Vmsmail-To: SMTP%"stat-l%mcgill1.bitnet@psuvm.psu.edu"
  4. Message-ID: <921221170949.2060092b@UI.URBAN.ORG>
  5. Newsgroups: bit.listserv.stat-l
  6. Date:         Mon, 21 Dec 1992 17:09:49 -0500
  7. Sender:       STATISTICAL CONSULTING <STAT-L@MCGILL1.BITNET>
  8. From:         PETRONIS@UI.URBAN.ORG
  9. Subject:      Poisson regr versus Normal transform
  10. Lines: 37
  11.  
  12. Subscribers to STAT-L,
  13.  
  14. A researcher asked me to review a regression analysis.  The author is
  15. studying the relationship between a count dependent variable (number of
  16. cigarettes smoked daily) and several covariates.
  17.  
  18. The author chose multiple regression (ols) to model the count outcome. This
  19. choice is clearly problematic as this outcome is a count, which has a poisson
  20. distribution, and multiple regression assumes the outcome has a normal
  21. distribution.
  22.  
  23. My initial reaction was to suggest poisson regression. Given the
  24. researcher is unfamiliar with poisson regression, I thought perhaps a
  25. transformation of the outcome for normality might be more easily understood.
  26. Not having the data in hand, I cannot assess the degree of non-normality.
  27.  
  28. Given these two choices, poisson regression versus transformation for
  29. normality, what is the better choice?  By using multiple regression instead
  30. of poisson regression for a count outcome, what is the error in the results?
  31. Simply that the beta's are biased?  If the outcome variable was transformed
  32. such that it was normally distributed and the regression rerun, would this
  33. provide as good a solution to the poisson error problem?  Would the results
  34. be comparable to those from a poisson regression?
  35.  
  36. Any insights would be appreciated.  I am pretty much looking to fill in a
  37. blank --
  38.         "You employed multiple ols regression, which assumes the outcome has
  39. a normal distribution, to model a count outcome which has a poisson
  40. distribution.  Given this misspecification of the error term, the results you
  41. presented are ... FILL  IN  THE  BLANK.  This problem can be surmounted by ...
  42. FILL IN THE BLANK".
  43.  
  44. Thanks for reading this far.  Please respond to me directly.  If there is a
  45. variety of opinion, I will summarize for the list.
  46.  
  47.  
  48. PETRONIS@UI.URBAN.ORG
  49.