Poisson模型输出SE与Bootstrapped SE差异显著的原因咨询

两种SE的计算逻辑从根上就不一样：Poisson GLMsummary()输出的是基于模型强假设的大样本渐近标准误，你做的案例重抽样非参Bootstrap SE是不依赖模型分布假设的经验抽样误差，二者出现明显偏差、且模型输出SE偏小的原因按出现概率从高到低排列：

• 核心原因：泊松模型的等离散假设不成立，存在过度离散
  泊松分布的固有约束是方差等于均值（Var(Y)=μ），模型默认输出的SE完全是基于这个假设计算的。但实际计数数据几乎都存在过度离散——也就是真实方差远大于均值，常见诱因包括未观测的个体异质性、数据存在大量零值、样本存在组内聚类、事件发生存在相关性。这时候模型默认SE会系统性低估真实变异，低估的比例刚好是1/√(离散度参数)。而非参Bootstrap完全不依赖泊松分布的方差假设，重抽样过程会直接捕捉到数据里的额外变异，算出来的SE自然大很多。如果是这个原因，你换拟泊松、负二项模型调整离散度后，输出的SE会和Bootstrap结果大幅趋近。
• 模型存在设定偏误
  GLM默认SE的计算前提是「模型设定100%正确」：包括连接函数选对、线性预测项的形式完全正确（没有遗漏非线性关系、交互项、关键混淆变量）、没有强影响离群值。只要模型存在设定偏误，默认SE不会把偏误带来的系数波动算进误差里。而非参Bootstrap不假设模型正确，重抽样过程中会自然把模型设定缺陷带来的系数变异纳入SD计算，结果自然比默认SE大。
• Bootstrap实现流程存在问题
  很多人算Bootstrap SE的时候容易踩几个细节坑，导致结果虚高：
  • 没有剔除收敛失败的迭代样本：部分重抽样本可能存在某亚组结局全0、预测值完全分离的情况，这时候Poisson模型迭代不收敛，会输出极端异常的系数值，这些离群值会把整体SD拉高。你可以先画1000次迭代系数的分布，把收敛标记为FALSE、或者系数偏离原系数3倍以上的异常值剔除后再算SD。
  • 重抽样逻辑和数据生成结构不匹配：如果你的数据是分层、聚类、面板结构，却用了简单随机有放回抽单个观测的方式，重抽样本会破坏原数据的组内相关结构，也可能导致SE估计偏误。
  • 迭代次数不足：1000次迭代对于分布偏斜的计数数据来说，SD的蒙特卡洛误差可能不小，你可以把迭代次数加到5000次，看结果是否收敛稳定。
• 样本量不足，渐近假设不成立
  GLM输出的SE是大样本渐近推导的结果，当你的样本量很小、或者核心解释变量是取值极少的分类变量/稀有事件变量时，渐近SE的有限样本偏差会很明显，通常表现为低估真实抽样变异，这时候Bootstrap的有限样本表现反而更可靠。

快速排查步骤：

1. 先算模型的离散度：用模型的残差偏差除以残差自由度，若结果远大于1（比如>1.5），基本可以确定是过度离散导致的SE低估
2. 检查所有Bootstrap迭代的收敛状态与系数分布，剔除异常值后重算SE
3. 绘制模型残差和拟合值、核心解释变量的关系图，排查是否存在未建模的非线性、异方差、聚类结构

内容的提问来源于stack exchange，提问作者user3669725