您好,登錄后才能下訂單哦!
這篇文章將為大家詳細講解有關如何理解R語言中的泊松回歸,文章內容質量較高,因此小編分享給大家做個參考,希望大家閱讀完這篇文章后對相關知識有一定的了解。
當通過一系列連續(xù)型和或類別型預測變量的預測計數型結果變量時,泊松回歸是非常有用的工具。利用robust包學習和理解泊松回歸。
遭受輕微或嚴重間歇性癲癇的病人的年齡和癲癇發(fā)病數收集了數據,包含病人被隨機分配到藥物組或者安慰劑組前八周和隨機 分配后八周內兩種情況。響應變量為sumY( 隨機后八周內癲癇發(fā)病次數),預測變量為治療條件 (Trt)、年齡(Age)和前八周內的基礎癲癇發(fā)病次數(Base)。接下來研究藥物治療是否能夠減少癲癇發(fā)病次數。
> data(breslow.dat,package="robust")
> library(robust)
載入需要的程輯包:fit.models
> names(breslow.dat)
[1] "ID" "Y1" "Y2" "Y3" "Y4" "Base" "Age" "Trt" "Ysum" "sumY" "Age10" #共有12個變量
[12] "Base4"
> summary(breslow.dat[c(6,7,8,10)])#僅描述Base、Age等
Base Age Trt sumY
Min. : 6.00 Min. :18.00 placebo :28 Min. : 0.00
1st Qu.: 12.00 1st Qu.:23.00 progabide:31 1st Qu.: 11.50
Median : 22.00 Median :28.00 Median : 16.00
Mean : 31.22 Mean :28.34 Mean : 33.05
3rd Qu.: 41.00 3rd Qu.:32.00 3rd Qu.: 36.00
Max. :151.00 Max. :42.00 Max. :302.00
> opar <- par(no.readonly = TRUEr)
> par(mfrow=c(1,2))
> attach(breslow.dat)
> hist(sumY,breaks =20,xlab="Seazure Count",main="Distribution of Seizures")
> boxplot(sumY ~ Trt,xlab="Trearment",main="Group Comparisons")
> par(opar)
> fit <- glm(sumY ~ Base + Age + Trt,data = breslow.dat,family = poisson())
> summary(fit)
Call:
glm(formula = sumY ~ Base + Age + Trt, family = poisson(), data = breslow.dat)
Deviance Residuals:
Min 1Q Median 3Q Max
-6.0569 -2.0433 -0.9397 0.7929 11.0061
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.9488259 0.1356191 14.370 < 2e-16 ***
Base 0.0226517 0.0005093 44.476 < 2e-16 ***
Age 0.0227401 0.0040240 5.651 1.59e-08 ***
Trtprogabide -0.1527009 0.0478051 -3.194 0.0014 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 2122.73 on 58 degrees of freedom
Residual deviance: 559.44 on 55 degrees of freedom
AIC: 850.71
Number of Fisher Scoring iterations: 5
運行過程中產生的圖片:
#解釋參數:
> coef(fit)
(Intercept) Base Age Trtprogabide
1.94882593 0.02265174 0.02274013 -0.15270095
> exp(coef(fit))
(Intercept) Base Age Trtprogabide
7.0204403 1.0229102 1.0230007 0.8583864
關于如何理解R語言中的泊松回歸就分享到這里了,希望以上內容可以對大家有一定的幫助,可以學到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到。
免責聲明:本站發(fā)布的內容(圖片、視頻和文字)以原創(chuàng)、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。