متى تكون المستقيمة نموذجاً خاطئاً

بيانات التعداد ("كم عيباً في هذه الوردية؟") لا تُنمذَج بمستقيم: فهو يتنبأ بتعدادات سالبة ويفترض تشتتاً ثابتاً. يستخدم انحدار بواسون رابطاً لوغاريتمياً، ويُقرأ الأثر كـمعدل — فـ1.30 تعني زيادة 30% في الأحداث المتوقعة لكل وحدة من X.

الفخ: يفترض بواسون أن التباين يساوي المتوسط. بيانات العيوب الحقيقية نادراً ما تحقق ذلك؛ عندها تخرج الأخطاء المعيارية أصغر مما ينبغي وتبدو آثار غير موجودة دالة. يقيس SenSight التشتت ويصحّح (شبه بواسون).

أما المنحنيات فتُقارن بالمستقيم عبر AIC الذي يعاقب المعاملات الإضافية أصلاً: لا يفوز المنحنى إلا إذا كان الشكل موجوداً فعلاً.