泊松回归涉及回归模型,其中响应变量采用计数而非分数的形式.例如,足球比赛系列中的出生人数或获胜次数.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是 :
log(y)= a + b1x1 + b2x2 + bnxn .....
以下是所用参数的说明及减号;
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.
泊松回归中 glm()函数的基本语法是 :
glm(formula,data,family)
以下是上述函数中使用的参数的说明 :
公式是表示变量之间关系的符号.
数据是给出这些变量值的数据集.
family 是R对象,用于指定模型的详细信息.对于Logistic回归,它的值是'Poisson'.
我们有 - 建立数据集"warpbreaks",描述羊毛类型(A或B)和张力(低,中或高)对每个织机经纱断裂次数的影响.让我们将"break"视为响应变量,它是一个中断次数的计数.羊毛"类型"和"张力"被视为预测变量.
输入数据
input <- warpbreaks print(head(input))
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
output <-glm(formula = breaks ~ wool+tension, data = warpbreaks, family = poisson) print(summary(output))
当我们执行上面的代码时,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M型和H型张力的羊毛B对断裂次数有影响.