R语言 入门教程 R语言 泊松回归

2024-02-25 开发教程 R语言 入门教程 匿名 0

泊松回归(英语:Poisson regression)包括回归模型,其中响应变量是计数而不是分数的形式。

例如,足球比赛系列中的出生次数或胜利次数。 此外,响应变量的值遵循泊松分布。

泊松回归的一般数学方程为 -

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

以下是所使用的参数的描述 -

  • y​是响应变量。

  • a​和​b​是数字系数。

  • x​是预测变量。

用于创建泊松回归模型的函数是​glm()​函数。

语法

在泊松回归中​glm()​函数的基本语法是 -

glm(formula,data,family)

以下是在上述功能中使用的参数的描述 -

  • formula​是表示变量之间的关系的符号。

  • data​是给出这些变量的值的数据集。

  • family​是 R 语言对象来指定模型的细节。 它的值是“泊松”的逻辑回归。

我们有内置的数据集“​warpbreaks​”,其描述了羊毛类型(​A​或​B​)和张力(低,中或高)对每个织机的经纱断裂数量的影响。 让我们考虑“断裂”作为响应变量,它是断裂次数的计数。 羊毛“类型”和“张力”作为预测变量。

输入数据

input <- warpbreaks
print(head(input))

当我们执行上面的代码,它产生以下结果 -

breaks   wool  tension
1 26 A L
2 30 A L
3 54 A L
4 25 A L
5 70 A L
6 52 A L

创建回归模型

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

当我们执行上面的代码,它产生以下结果 -

Call:
glm(formula = breaks ~ wool + tension, family = poisson, data = warpbreaks)
Deviance Residuals:
Min 1Q Median 3Q Max
-3.6871 -1.6503 -0.4269 1.1902 4.2616
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.69196 0.04541 81.302 < 2e-16 ***
woolB -0.20599 0.05157 -3.994 6.49e-05 ***
tensionM -0.32132 0.06027 -5.332 9.73e-08 ***
tensionH -0.51849 0.06396 -8.107 5.21e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 297.37 on 53 degrees of freedom
Residual deviance: 210.39 on 50 degrees of freedom
AIC: 493.06
Number of Fisher Scoring iterations: 4

在摘要中,我们查找最后一列中的​p​值小于​0.05​,以考虑预测变量对响应变量的影响。 如图所示,具有张力类型​M​和​H​的羊毛类型​B​对断裂计数有影响。