R语言 泊松回归

泊松回归模型用于对计数数据进行建模，对作为计数的响应变量（Y值）进行建模。它显示了哪些X值对Y值起作用，更多的是分类，它对数据进行计数：具有非负整数值的离散数据进行计数。

换句话说，它显示哪些解释变量对响应变量有明显的影响。泊松回归涉及回归模型，其中响应变量是以计数而不是分数的形式出现。

数学方程

log(y) = a + b1x1 + b2x2 + bnxn.....

参数

• y： 该参数设置为响应变量。
• a 和 b： 参数a和b是数字系数。
• x： 该参数为预测变量。

创建泊松回归模型

用来创建泊松回归模型的函数是 glm() 函数。

语法： glm(formula, data, family)

参数

• formula： 该参数是呈现变量之间关系的符号。
• data： 该参数是给出这些变量值的数据集。
• family： 这个参数是R对象，用于指定模型的细节。对于Logistic回归，它的值是’Poisson’。

例子

方法：为了了解我们如何创建。

• 我们使用数据集 “warpbreaks”。
• 考虑将 “break “作为响应变量。
• 将羊毛 “类型 “和 “张力 “作为预测变量。

代码:

input <- warpbreaks
print(head(input))

输出:

创建回归模型

方法：创建poisson回归模型。

• 取出制作模型所需的参数。
• 让我们使用summary()函数来找到模型的摘要，以便进行数据分析。

示例:

output <-glm(formula = breaks ~ wool + tension,
             data = warpbreaks, family = poisson)
print(summary(output))     

输出:

使用glm()函数创建泊松回归模型

方法：在glm()函数的帮助下创建回归模型。

• 在这个函数的帮助下，很容易建立模型。
• 现在我们为 “公式”、”数据 “和 “家庭 “之间的关系画一个图。

示例:

output_result <-glm(formula = breaks ~ wool + tension,
                    data = warpbreaks, family = poisson)  
output_result 

输出: