泊松回归（泊松回归模型适用条件）

本篇文章给大家谈谈泊松回归，以及泊松回归模型适用条件对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、泊松回归结果怎么看
• 2、泊松回归需要控制变量么
• 3、泊松回归的简介
• 4、泊松回归与线性回归的关系
• 5、改良泊松回归适用条件

泊松回归结果怎么看

看显著性。根据查询相关公开资料显示泊松回归结果看SIG显著度，如果大于0.5就是说明拒绝原假设，也就是说数据是正态或者蔽冲颤泊松分布，反之亦宏败然。在统计学上判樱，泊松回归(英语：)是用来为计数资料和列联表建模的一种回归分析。

[img]

泊松回归需要控制变量么

泊松回归需要控制变量。根顷袭据查询相关资料信息，在滑乎段泊松回归中控制中需要信誉控制虚拟变量。泊松回归（英语：Poissonregression）是用来为计数资料和列联表建模的一种回归分析。

泊松回归的简介

泊松回归，并假设它期望值的对数可被未知参数的线性组合建模。泊松回归模型有时（特别是当用作列联表模型时）又被称作对数-线性模型。

2014年世界杯，所有的数据分析专家都以数据为准，分析员最后都会将其整合成模型。通常情况下，建模人员会把问题从“哪一支队伍会胜出”改为“X队和Y队比赛，X队会进多少个球”，这里使用到的是一种悔简名为“双变量泊松回归分析法”(bivariate Poisson regression)。

“双变量”指的是，在做出某个单一结果的核手预测时需要参考两个相互影响的因素，比如一场比赛中的X队和Y队的表现。“回归分析法”指将即有数据填充到模型中去。而“泊松分布”则是很有趣的分析方法。

试想像，你站在路旁，想要知道一分钟会有多少汽车急驰而过。首先，你必须收集数据。利用秒表和计数器，第一分钟，假设有15辆车驶过；第二分钟，18辆；而下一分钟只有4辆。持续记录下去，你就可以得到一个模型，这便是“泊松分布”的原型。这项分析方法是由法国数学家西莫恩·德尼·泊松提出，用于估测人们做出错误判断的几率。

根据泊松分布，足球比赛的碧氏裤结果同样具有分散性。一支足球队进1或2个球的可能性最大，其次为不进或者进3个，而进4或5个球(或者更多)的几率则大大下降。于是建模人员会根据这支队伍之前的表现，通过泊松分布制图，预测出它们之后得分的情况。

泊松回归与线性回归的关系

在Poisson回归模型中, 假定方差和均值相等, 当方差袭逗大于或小于 均值时就会出现过散布(overdispersion)问题或欠散布 (underdispersion) 问题. 使用 Poisson回归拍亮卖模型时出现的散布问题的最简单解决办法是使用键察提到的准 Poisson回归模型, 而且还可以说明方差和均值的关系。准 Poisson 模型拟合代码示例：

glm(y~.,data,family=quasi(variance=“mu^2”,link=“log”))

这里的选项variance=“mu^2” 就把方差看成随着均值平方变化的函数, 这个选项可以输入"constant", “mu(1-mu)”, “mu”, “mu^2”, “mu^3”, 等 等.

改良泊松回归适用条件

改良泊松回归（Negative Binomial Regression，NBR）是一种在数据存在过度离散现象时，对泊松回归进行改良的方法。NBR适用于解决因变量为计数数据、且发生率小于泊松分布假设时的回归问题。

NBR有如下的适用条件：

1. 因变量y必须是计数型数据，其取值范围不能等于0 或负数。

2. 具备泊松回归的典型假设，即均值和方差相等，具有同性异分布性（即服从共享率参数）。

3. 若因变量呈现出过度分散的现象，升仿即方差明显大于均值，则泊松回归不能满足这一特征，此时可以使用NBR实现拟合。NBR通过引入额外参数，对泊松分布中方差大于平均值（即存在过度离散）的情形梁笑正进行修正。

4. 样本容量足够大，并具有良好的表示性，以确保得到有效的回归结果。

需要注意的是，NBR方法作为一种拟合多项式的方法，与其他回归方法相比，计算量较大，橡悔不易推广和处理多个自变量间的交互效应。在应用时，需要根据具体研究问题和数据特征进行选择。

关于泊松回归和泊松回归模型适用条件的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。