R 泊松回归

泊松回归模型用于对结果是计数的事件进行建模。计数数据是一种离散数据，具有非负整数值，用于计算事物，例如在杂货店排队的人数，或者在给定的时间范围内事件发生的次数。

我们也可以将计数数据定义为比率数据。 这样它就可以将事件在时间范围内发生的次数表示为原始计数或比率。 泊松回归允许我们确定哪些解释变量（x 值）影响给定的响应变量（y 值，计数或比率）。

例如，杂货店可以实施泊松回归，以更好地理解和预测一行中的人数。

以下是泊松回归的一般数学公式

此处，

泊松回归模型是在熟悉的函数 glm() 的帮助下创建的。

让我们看一个例子，在这个例子中，我们使用 glm() 函数创建泊松回归模型。 在这个例子中，我们考虑了一个内置数据集“wrapbreaks”，它描述了张力（低、中或高），以及羊毛类型（A 和 B）对每台织布机断经根数的影响。 我们将把羊毛“类型”和“张力”作为预测变量，并将“breaks”作为响应变量。

示例

输出

现在，我们将借助 glm() 函数创建回归模型，如下所示

输出

现在，让我们使用 summary() 函数来查找模型摘要以进行数据分析。

输出