![0357ed77dbd53d0dd8a6e665bc556f94.png](https://img-blog.csdnimg.cn/img_convert/0357ed77dbd53d0dd8a6e665bc556f94.png)
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。