R-포아송 회귀

포아송 회귀에는 반응 변수가 소수가 아닌 개수 형식 인 회귀 모델이 포함됩니다. 예를 들어 축구 경기 시리즈의 출생 수 또는 승리 수입니다. 또한 반응 변수의 값은 포아송 분포를 따릅니다.

푸 아송 회귀에 대한 일반적인 수학 방정식은 다음과 같습니다.

log(y) = a + b1x1 + b2x2 + bnxn.....

다음은 사용 된 매개 변수에 대한 설명입니다.

y 반응 변수입니다.
a 과 b 숫자 계수입니다.
x 예측 변수입니다.

포아송 회귀 모델을 만드는 데 사용되는 함수는 다음과 같습니다. glm() 함수.

통사론

기본 구문 glm() 푸 아송 회귀에서 함수는-

glm(formula,data,family)

다음은 위의 기능에서 사용되는 매개 변수에 대한 설명입니다.

formula 변수 간의 관계를 나타내는 기호입니다.
data 이러한 변수의 값을 제공하는 데이터 세트입니다.
family모델의 세부 사항을 지정하는 R 객체입니다. Logistic Regression의 경우 값은 'Poisson'입니다.

예

모직 유형 (A 또는 B)과 장력 (낮음, 중간 또는 높음)이 직기 당 뒤틀림 횟수에 미치는 영향을 설명하는 내장 데이터 세트 "뒤틀림"이 있습니다. 휴식 횟수 인 응답 변수로 "중단"을 고려해 봅시다. 양모 "유형"과 "장력"은 예측 변수로 간주됩니다.

Input Data

input <- warpbreaks
print(head(input))

위 코드를 실행하면 다음과 같은 결과가 생성됩니다.

breaks   wool  tension
1     26       A     L
2     30       A     L
3     54       A     L
4     25       A     L
5     70       A     L
6     52       A     L

회귀 모델 생성

output <-glm(formula = breaks ~ wool+tension, data = warpbreaks,
   family = poisson)
print(summary(output))

위 코드를 실행하면 다음과 같은 결과가 생성됩니다.

Call:
glm(formula = breaks ~ wool + tension, family = poisson, data = warpbreaks)

Deviance Residuals: 
    Min       1Q     Median       3Q      Max  
  -3.6871  -1.6503  -0.4269     1.1902   4.2616  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  3.69196    0.04541  81.302  < 2e-16 ***
woolB       -0.20599    0.05157  -3.994 6.49e-05 ***
tensionM    -0.32132    0.06027  -5.332 9.73e-08 ***
tensionH    -0.51849    0.06396  -8.107 5.21e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for poisson family taken to be 1)

    Null deviance: 297.37  on 53  degrees of freedom
Residual deviance: 210.39  on 50  degrees of freedom
AIC: 493.06

Number of Fisher Scoring iterations: 4

요약에서 예측 변수가 반응 변수에 미치는 영향을 고려하기 위해 마지막 열에서 p- 값이 0.05 미만인지 확인합니다. 장력 유형 M과 H를 갖는 울 유형 B는 브레이크 횟수에 영향을 미칩니다.