泊松与负二项模型：拟合同数据集时结论是否一致？

嗨，这个问题问到点子上了——很多人处理计数数据遇到过度离散时，都会纠结这俩模型的结论会不会差得远。直接说结论：两种模型的结论不一定相同，甚至会出现泊松得出显著结果、但负二项却不显著的情况，反过来也有可能性，但相对少见。

为啥结论会不一样？ #

1. 模型假设的核心差异 #

泊松模型硬卡着方差=均值的假设，但过度离散的情况里，方差明显大于均值，这时候泊松模型算出来的标准误会被严重低估——相当于你用了一把不准的尺子去量系数的显著性，很容易误判成“显著”，但这个结论根本站不住脚。

负二项模型就是为了解决过度离散才出现的，它多了个离散参数（比如常用的theta）来适配方差和均值的差异，算出来的标准误更贴合真实数据。如果泊松的显著性只是因为标准误被低估，那换成负二项后，标准误变大，原本“显著”的系数可能就跨不过显著性阈值了。

2. 极端值的影响程度不同 #

负二项对极端值的容忍度比泊松高。如果你的数据里有几个计数特别大的异常样本，泊松模型很容易被这些样本带偏，错误地放大某个自变量的效应；而负二项因为允许更大的方差，对这些极端值没那么敏感，得出的系数和显著性自然就不一样。

3. 自变量真实效应的强弱 #

如果自变量的真实效应确实很强，那不管用泊松还是负二项，大概率都会得出显著结论——毕竟效应足够大的话，哪怕标准误有差异，也能轻松跨过显著性的门槛。但如果效应本身就比较弱，泊松的低估标准误可能会让它“显得”显著，而负二项的准确标准误就会暴露它其实不显著。

举个接地气的例子 #

假设你研究短视频投放时长和播放量的关系，数据里有几条视频因为上了热门，播放量暴增几十倍（直接导致过度离散）：

• 泊松模型可能会算出“投放时长每增加1分钟，播放量显著提升”，但这个显著性其实是标准误被低估带来的假阳性；
• 换成负二项模型后，标准误被修正，你会发现这个系数的p值超过了0.05，结论变成“投放时长对播放量的影响并不显著”。

最后给个总结 #

• 泊松显著，负二项不一定显著：这种情况大多是泊松的标准误低估导致的“假显著”；
• 负二项显著，泊松通常也会显著（但不绝对）：毕竟负二项用更大的标准误都能显著，泊松的小标准误肯定也能达标；
• 关键提醒：当数据存在过度离散时，负二项模型的结论更可信，泊松的结果只能当参考，别直接拿来用。

内容的提问来源于stack exchange，提问作者jane