R语言泊松Poisson回归模型分析案例

已于 2024-07-29 23:23:35 修改
阅读量2w 收藏 33
点赞数 3
分类专栏： 数据分析 文章标签： R语言 泊松Poisson回归 模型分析案例
于 2019-06-17 17:29:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_19600291/article/details/80005879
版权

全文链接：http://tecdat.cn/?p=2605

原文出处：拓端数据部落公众号

相关视频：R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险

逻辑回归Logistic模型原理和R语言分类预测冠心病风险实例

，时长06:48

这个问题涉及马蹄蟹研究的数据。研究中的每只雌性马蹄蟹都有一只雄性螃蟹贴在她的巢穴中。这项研究调查了影响雌蟹是否有其他男性居住在她附近的因素。被认为影响这一点的解释变量包括雌蟹的颜色（C），脊椎状况（S），体重（Wt）和甲壳宽度（W）。

数据文件：crab.txt。

我们将首先拟合仅具有一个自变量：宽度（W）的泊松回归模型

估计的模型是：$ log（\ hat {\ mu_i}）$ = -3.30476 + 0.16405W ilog(μi^) = - 3.30476 + 0.16405W

估计的β= 0.164的ASE为0.01997，这是小的，并且该斜率在z值为8.216及其低p值的情况下在统计学上是显着的。

如果我们看一下W对Sa的散点图（见下文），我们可能会怀疑一些异常值

您可以考虑其他类型的残差，影响度量（如我们在线性回归中看到的）以及残差图。

以下是运行R代码其他部分的输出的一部分：

从上面的输出中，我们可以看到预测计数（“拟合”）和线性预测变量的值，即预期计数的对数值。

我们也可以看到，尽管预测是有意义的，但模型并不适合。考虑到残差统计值为567.88和df为171 ，p值为零，残差统计值/ DF = 567.88 / 171 = 3.321远大于1，因此该模型不适合。缺乏适合可能是由于缺少数据，协变量或过度分散。

更改模型

在上述模型中，我们检测到一个潜在的过分散问题，因为比例因子，例如残差偏差的值/ DF远大于1。

回想一下，过度分散的原因之一是异质性，其中每个协变量组合中的主体仍然差异很大。如果是这样的话，是否违背了Poisson回归模型的泊松模型的假设？

上述R程序的输出：

在这个模型中，随机分量在响应具有相同均值和方差的情况下不再具有泊松分布。根据给定的估计值（例如Pearson X 2 = 3.1822），随机分量的变化（响应）大约是平均值的三倍。

除了过度分散之外，如何忽略其他解释变量？我们可以通过添加其他变量来提高拟合度吗？

我们来比较一下这个输出和只有“W”作为预测的模型。我们将“虚拟变量”引入到模型中，以表示具有4级的颜色变量，其中4级作为参考级别。

此外，如果您运行anova（model.disp），从下面的输出中我们可以看到，在考虑宽度后，颜色几乎没有统计上显着的预测因子。

> anova（model.disp）

Df Deviance Resid。Df Resid。Dev

NULL 172 632.79

W 1 64.913 171 567.88

C1 1 3.130 170 564.75

C2 1 5.400 169 559.35

C3 1 0.004 168 559.34

此模型是否适合数据更好，是否适合过度分散？

R代码的这部分做以下更改：

将此输出的部分与上面的输出相比较，我们将颜色用作分类预测器。我们这样做只是为了记住同一个变量的不同编码会给你不同的拟合和估计值。

现在估计的模型是什么？$ \ log {\ hat {\ mu_i}} $ = -2.520 + 0.1496W - 0.1694C。logμi^ = -2.520 + 0.1496W - 0.1694C。

由于添加协变量没有帮助，过度分散似乎是由于异质性。我们可以用这些数据做些什么吗？

数据分组

我们考虑按宽度分组数据，然后拟合泊松回归模型。这里是按W排序的数据。

数据已分成8个区间，如下面的（分组）数据所示

请注意，“NumCases”是位于特定区间内的雌性螃蟹的数量，限定了这些雌性螃蟹的背宽。“AverWt”是该分组内的平均背宽。

更改模型

我们还创建了一个变量lcases = log（样本），其中记录了样本数量的对数。这是输出。

模型现在比以前更好还是更差？它显然更适合。例如，残差统计值的值/ DF现在是1.0861。

残差分析也显示了良好的拟合度。

我们来比较下图中的观察值和拟合值（预测值）：

我们可以拟合泊松回归模型。请注意，该模型不适合分组数据，因为与先前的模型相比，残差统计的值/ DF约为11.649。

 

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标

拓端研究室
关注
  • 3
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
博客
【专题】2024年8月医药行业报告合集汇总PDF分享（附原数据表）
09-06 498
在科技飞速发展的当今时代，医药行业作为关乎人类生命健康的重要领域，正处于前所未有的变革浪潮之中。数智医疗服务的崛起，为医疗模式带来了全新的转变，开启了医疗服务的新时代。人工智能的潜能不断释放，为医药创新注入了强大的动力，有望重塑医药行业的发展格局。，获取专题报告合集全文，解锁269份医药相关行业研究报告。同时，国家政策的导向对生命科学产业的发展起着至关重要的引领作用，产业园的建设也为医药行业的蓬勃发展提供了坚实的基础。
博客
Python贝叶斯卷积神经网络BCNN分类胸部X光图像数据集实例
09-05 538
分析师：Yuanchun Niu在人工智能的诸多领域中，分类技术扮演着核心角色，其应用广泛而深远。无论是在金融风险评估、医疗诊断、安全监控还是日常的交互式服务中，有效的分类算法都是实现智能决策的关键。随着大数据时代的到来，分类算法面临着前所未有的挑战和机遇。一方面，海量的数据为算法提供了丰富的学习材料；另一方面，如何从这些数据中提取有价值的信息，构建准确、可靠的分类模型，成为了研究的热点。本文旨在探讨分类技术在不同领域的应用，并深入分析其理论基础与实现方法。
博客
【专题】2024年8月中国企业跨境、出海、国际化、全球化行业报告汇总PDF合集分享（附原数据表）
09-04 1928
原文链接：在全球化浪潮汹涌澎湃的当下，中国企业积极探索海外市场，开启了出海跨境的新征程。本报告合集旨在全面梳理出海跨境全球化行业的发展态势，涵盖多个领域的深度洞察。从游戏、快消品、医疗器械、创新药械等行业的出海探索，到东南亚电商这一特定区域市场的聚焦；从跨境旅游消费趋势的研究，到对中国企业全球化的综合剖析；从新兴的商用服务机器人领域探索，再到体验赋能企业出海的创新方向。通过整合与分析，为行业从业者、研究者及决策者提供有价值的参考，助力中国企业在全球舞台上绽放更加璀璨的光芒。，获取专题报告合集全文，解锁。
博客
Python复杂网络社区检测：并行谱聚类算法设计与多种算法应用实战研究
09-03 1275
原文链接：分析师：Leiyun Liao在当今的网络科学领域，复杂网络中的社区检测成为了一个至关重要的研究课题。随着信息技术的飞速发展，各种大规模网络不断涌现，如社交网络、生物网络等。准确地识别这些网络中的社区结构，对于理解网络的功能、行为以及潜在的规律具有重大意义。网络社团划分算法作为复杂网络研究的关键内容，一直备受关注。近年来，基于代数图论发展起来的谱聚类算法凭借其利用特征值对应的谱结构来保证划分质量的优势，成为了新的研究热点。
博客
【专题】2024年中国游戏出海洞察报告合集PDF分享（附原数据表）
09-03 1054
2023 年全球游戏市场规模高达 6205.2 亿美元，且预计未来持续增长，这清晰地展示了该市场的巨大潜力和良好前景。中国游戏在全球移动游戏市场的份额于 2023 年已达 37%，产业贡献超 30% 的市场收入，这反映出中国游戏在全球市场中的地位日益重要，竞争力不断增强。，获取专题报告合集全文，解锁135份游戏相关行业研究报告。中国移动游戏市场实际销售收入占比在 2023 年达到 37.4%，此数据有力地表明国产游戏出海有着广阔的增长空间。
博客
Python用CNN+LSTM+Attention对新闻文本分类、锂离子电池健康、寿命数据预测
09-02 997
该模型首先使用卷积神经网络（CNN）进行特征提取和数据降维。这些特征作为双向长短期记忆网络（BiLSTM）的输入。BiLSTM 用于双向学习输入时间序列局部特征中的时间相关性信息。注意力机制通过为重要特征分配权重，更加关注对输出结果影响最大的输入关键特征，并进行电池 SOH 的多步预测。总体而言，卷积层提取时间序列数据的内在特征，BiLSTM 可以基于提取的特征预测电池容量，而注意力机制为这些特征分配权重。混合神经网络模型的结构示意图如下图 [2] 所示。
博客
【专题】2024全球电商消费电子市场研究报告合集PDF分享（附原数据表）
09-01 1217
在如今数字经济蓬勃发展的大环境下，电商行业正以前所未有的迅猛之势，对全球商业版图进行着深刻的重塑。据 Stocklytics 发布的有关全球电商市场价值及未来增长趋势的专项调查报告显示，2024 年电商市场价值预估将高达 4.11 万亿美元，与 2023 年相比，实现了 15%的显著涨幅。，获取专题报告合集全文，解锁190份电商相关行业研究报告。巧合的是，Statista 的数据也与之基本吻合，其同样指出预计在 2024 年，电子商务市场的收入将会达到 4.117 万亿美元。
博客
Python深度学习股价预测、量化交易策略：LSTM、GRU深度门控循环神经网络|附代码数据
08-29 1264
为了构建深度长短期记忆（LSTM）模型，定义了一系列超参数。数据的维度。
博客
【专题】中国游戏产业AIGC发展前景报告合集PDF分享（附原数据表）
08-29 1131
近八成头部游戏企业在人工智能、数字孪生、引擎开发、云技术和XR等技术领域布局;有近六成头部游戏企业已构建AI生产管线、赋能虚拟内容生产或智能营销;此外，国内TOP50游戏厂商投资AI企业已超百次。，获取专题报告合集全文，解锁135份游戏AIGC相关行业研究报告。
博客
【视频讲解】数据挖掘实战：Python金融贷款模型分类潜在贷款客户
08-28 923
分析师：Hengtao Fan模型的存在依托于这样一个事实：基于概率的决策乃是最优之选。将概率转化为评分，能够便于对齐风险。而评分则是通过统计的方法来识别潜在客户，进而判断客户是否合乎心意。这里的 “合意” 由我们预先定义，可以涵盖诸如风险、收益率、响应率、续借意愿、违约后的偿还意愿等等诸多方面。实际上，在业务的一系列环节中均可采用模型方案。当我们谈及风控中有哪些模型可做时，也就相当于在变相探讨业务上有哪些环节能够进行精细化决策。在金融信贷领域，授信、定价等产品信息会直接左右客户是否选择用信。
博客
【专题】2024年中国AI人工智能基础数据服务研究报告合集PDF分享（附原数据表）
08-28 1136
随着人工智能技术的迅猛发展，AI 基础数据服务行业迎来了前所未有的发展机遇。报告合集显示，2023 年中国 AI 基础数据服务市场规模达到 45 亿元，且未来五年复合增长率有望达到 30.4%。多模态大模型、长文本处理能力提升以及大模型小型化技术成为 AI 领域热点研究方向，从而推动了对高质量数据的大量需求。，获取专题报告合集全文，解锁403份AI数据相关行业研究报告。然而，尽管市场需求旺盛，该行业却也面临着数据标注工程师门槛提升、项目管理复杂性增加、信息安全问题等诸多挑战。
博客
SMOTEBoost、RB-Boost 和RUS-Boost不平衡数据集的集成分类器分析酵母数据集、治疗乳腺癌候选药物筛选|附数据代码
08-27 976
分析师：Zilin Wu在当今的大数据时代，科研和实际应用中常常面临着海量数据的处理挑战。在本项目中，我们拥有上万条数据，这既是宝贵的资源，也带来了诸多难题。一方面，我们渴望从这庞大的数据海洋中提取出有价值的信息，以推动科学研究和实际应用的发展；另一方面，数据量的庞大容易引发“维数灾难”现象，即随着数据维度的增加，计算复杂度呈指数增长，使得数据分析和处理变得极为困难。本研究聚焦于如何在这上万条数据中找到平衡，既提取有价值的数据，又避免“维数灾难”。
博客
R语言股价跳跃点识别：隐马尔可夫hmm和 GARCH-Jump对sp500金融时间序列分析
08-26 924
分析师：Yue Ji在突发事件发生后，股价会相应的发生较大幅度的上涨或下跌，称为跳跃现象，跳跃现象会给金融投资带来极大风险，因而对跳跃点的识别对于风控而言是很重要的。股价跳跃体现信息冲击，Fama（1991）指出短期股价大幅变化由意外信息引起。近年来学者以股价跳跃为信息冲击代理变量研究投资者反应，如 Jiang and Zhu（2017）研究美股投资者发现短期对股价跳跃反应不足。
博客
主成分PCA原理与水果成熟状态数据分析实例：Python中PCA-LDA 与卷积神经网络CNN
08-22 759
全文链接：https://tecdat.cn/?p=37450 原文出处：拓端数据部落公众号主成分分析（PCA）作为数据科学中用于可视化和降维的重要工具，在处理具有大量特征的数据集时非常有用。就像我们难以找到时间阅读一本 1000 页的书，而更倾向于 2 到 3 页的总结以抓住整体概貌一样，当数据集中特征过多时，PCA 可以帮助我们减少维度，提高模型训练效率，同时尽可能保留更多信息。例如在图像处理和基因组研究等常见应用中，往往需要处理成千上万甚至数万个列的数据，此时维度灾难可能成为问题，而 PCA 则能发挥
博客
Python个人收入影响因素模型构建：回归、决策树、梯度提升、岭回归
08-21 895
为不同的回归模型定义超参数分布字典，例如 “LinearRegression”（线性回归）和 “DecisionTreeRegressor”（决策树回归器），设置不同的超参数取值范围，如线性回归的截距设置以及决策树回归器的最大深度、最小分割样本数和最小叶子样本数等。},},尽管命运或许在某种程度上被决定了，但我们仍然可以通过自己的努力和持续学习来改变自己的命运。在大数据的助力下，我们有望更加精准地预测和解释个人收入的差异，为每个人创造更加公平和美好的未来。
博客
Python、R用RFM模型、机器学习对在线教育用户行为可视化分析|附数据、代码
08-20 876
建立模型随着互联网的不断发展，各领域公司都在拓展互联网获客渠道，为新型互联网产品吸引新鲜活跃用户，刺激用户提高购买力，从而进一步促进企业提升综合实力和品牌影响力。然而，为了更好地了解产品的主要受众群、识别并保留优质用户，企业仍需要对用户群体进行消费行为分析，判别用户的价值，从而优化营销策略。为达此目的，便需要对用户的行为数据进行分析，预测不同用户的潜在消费倾向，并针对不同用户实施个性化营销策略，以实现小成本促销、提高用户转化率的目标。
博客
R语言VAR模型的多行业关联与溢出效应可视化分析
08-19 1024
本文对医疗卫生、通信、金融、房地产和零售等行业的数据展开深入研究。通过读取数据、计算收益率、构建 VAR 模型并进行估计，进一步分析各行业变量的影响及残差的协方差与相关矩阵。同时，计算传统溢出效应并进行动态变化分析，以揭示这些行业之间的相互关系和动态影响。
博客
【视频讲解】Python用LSTM长短期记忆网络GARCH对SPX指数金融时间序列波动率滚动预测
08-15 719
本文融合了多种技术，其中 LSTM（长短期记忆网络）和 GARCH（广义自回归条件异方差）模型尤为关键。LSTM 在处理时间序列数据方面独具优势，能够捕捉长期依赖关系，为金融预测提供强大支持。GARCH 模型则能有效捕捉金融时间序列中的波动聚类现象，提升预测准确性。通过对这套代码的详细解读和分析，包括对 LSTM 和 GARCH 等关键模型的深入探讨，我们期望为金融研究和实践注入新活力，开辟新思路。
博客
【视频讲解】滚动回归Rolling Regression、ARIMAX时间序列预测Python、R实现应用
08-13 700
原文链接：https://tecdat.cn/?p=37338原文出处：拓端数据部落公众号分析师：Jixin Zhong本文将通过视频讲解，展示如何用滚动回归预测，并结合一个R语言多元时间序列滚动预测：ARIMA、回归、ARIMAX模型分析实例的代码数据，为读者提供一套完整的实践数据分析流程。滚动回归估计是于一个大规模样本范畴内，以滚动的形式接连选取一系列的小规模样本，并运用与大规模样本相同的方式对小规模样本的参数予以估计。样本固定的长度被称为“window”，每次递增的步长则
博客
BC变换的EWMA控制图对顺丰控股股票的分析研究
08-13 612
量化投资可以带来不菲的回报，但缺乏丰富的知识却难以实现。统计质量管理的思想通俗易懂，且对于市场相对稳定的股市有监控作用。结合历史股票数据和统计质量管理的思想，对数据作合适的处理并设计合理的控制图是十分关键的。本文将通过展示如何用基于BC变换的EWMA控制图对顺丰控股股票分析，并结合一个Python神经网络、Lasso回归、线性回归、随机森林、ARIMA股票价格时间序列实例的，为读者提供一套完整的实践数据分析流程。解决方案任务目标根据历史股票数据，设计控制图并运用控制图监控股票价格变换并给投资建议。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值