R语言 教程
- 第1节:R语言 概述
- 第2节:R语言 环境设置
- 第3节:R语言 基本语法
- 第4节:R语言 数据类型
- 第5节:R语言 变量
- 第6节:R语言 运算符
- 第7节:R语言 决策
- 第8节:R语言 包
- 第9节:R语言 循环
- 第10节:R语言 数据重塑
- 第11节:R语言 函数
- 第12节:R语言 字符串
- 第13节:R语言 向量
- 第14节:R语言 列表
- 第15节:R语言 矩阵
- 第16节:R语言 数组
- 第17节:R语言 因子
- 第18节:R语言 数据帧
- 第19节:R语言 条形图
- 第20节:R语言 箱线图
- 第21节:R语言 直方图
- 第22节:R语言 折线图
- 第23节:R语言 散点图
- 第24节:R语言 饼状图
- 第25节:R语言 CSV文件
- 第26节:R语言 Excel文件
- 第27节:R语言 二进制文件
- 第28节:R语言 XML文件
- 第29节:R语言 JSON文件
- 第30节:R语言 Web数据
- 第31节:R语言 数据库
- 第32节:R语言 平均值,中位数和模式
- 第33节:R语言 线性回归
- 第34节:R语言 多重回归
- 第35节:R语言 逻辑回归
- 第36节:R语言 标准分布
- 第37节:R语言 二项分布
- 第38节:R语言 泊松回归
- 第39节:R语言 协方差分析
- 第40节:R语言 时间序列分析
- 第41节:R语言 非线性最小二乘
- 第42节:R语言 决策树
- 第43节:R语言 随机森林算法
- 第44节:R语言 生存分析
- 第45节:R语言 卡方检验
R语言 泊松回归
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。
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
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。