我认为准泊松是一种技术解决方案。它允许您将分散参数估计为附加参数。根据定义，在泊松中。如果您的数据不那么分散或分散程度更高，则模型系数的标准误差是有偏差的。通过在估计其他模型系数的同时值进行校正。这只是对模型假设的修正。$\phi$$\phi = 1$$\hat{\phi}$$p$

负二项式是过度离散的更直接的模型；数据生成过程是或可以由负二项式近似。

准泊松还引入了一大堆实际问题，例如它没有真正的可能性，因此有一堆有用的模型选择，如似然比检验、AIC 等......（我知道有一种叫做 QAIC 的东西，但glm()例如 R 不会给你它）。