广义线性回归是一类常用的统计模型,在各个领域都有着广泛的应用。今天我会以逻辑回归和泊松回归为例,讲解如何在R语言中建立广义线性模型。
在R语言中我们通常使用glm()函数来构建广义线性模型,glm实际上是generalized linear model(广义线性模型)的首字母缩写,它的具体形式如下所示:
glm(formula, family=familytype(link=linkfunction), data=)
# formula就是我们的模型形式,family是我们指定的具体回归类型(见下表)
你可以通过 help(glm)来查看其它的模型选项, 使用 help(family)来查看每一族的连接函数。在这里我主要和大家讲解一下逻辑(logistic)回归和泊松(poisson)回归这两个模型。
第一部分 逻辑回归
逻辑回归主要应用于因变量(y)是二分类变量而自变量(x)是连续型变量的情形,当然这里的自变量和因变量也可以都是分类变量。由于逻辑回归本身的假设条件并没有那么严格,因此它的应用范围比判别分析要更广。关于判别分析的知识,我会在后续内容中和大家详细介绍。
这里我们使用鸢尾