广义线性模型_广义线性模型拟合泊松回归

转自个人微信公众号【Memo_Cleon】的统计学习笔记：广义线性模型拟合泊松回归。

如果习惯了在对话框中确定结局变量和解释变量，可能会对一般对数线性分析中的泊松回归的对话框有些不适应，因为它不存在因变量的选择问题，在模型中因变量就是单元格的频数/计数，这就需要专用的数据录入格式。如果你对此感到不适应，可以直接使用广义线性模型来拟合泊松回归，泊松回归只是广义线性模型的一种特殊形式而已。

示例依旧采用泊松回归[一般对数线性分析过程]一文中的例子，文中已表明最合适的模型就是饱和模型，因此在采用广义线性模型进行拟合时直接拟合饱和模型，结果和解读跟前面的基本一致，因此不再过多描述，详细解读可以查看【泊松回归[一般对数线性分析过程]】一文，本次笔记重点演示广义线性模型进行拟合泊松回归的操作过程。

数据录入：smoke（0=不吸烟，1=吸烟），agecat（0=35-44岁，1=45-54岁，2=5-64岁，3=65-74岁，5=75-84岁），outcome（0=survival，1=died），count表示每类结果的计数。数据录入格式跟传统格式一致，注意跟[一般对数线性分析]中的数据格式不一样哦。