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
|
1
|
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
|
1
|
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。
例
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
|
1
2
|
input <- warpbreaks
print(head(input))
|
当我们执行上面的代码，它产生以下结果
|
1
2
3
4
5
6
7
|
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
|
1
2
3
4
|
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
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。
到此这篇关于R语言关于泊松回归知识点总结的文章就介绍到这了,更多相关R语言泊松回归内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://www.w3cschool.cn/r/r_poisson_regression.html