Pertanyaan yang diberi tag «poisson-regression»

Regresi Poisson adalah salah satu dari sejumlah model regresi untuk variabel dependen yang dihitung (bilangan bulat non-negatif). Model yang lebih umum adalah regresi binomial negatif. Keduanya memiliki banyak varian.

1
Perbandingan model binomial negatif dan quasi-Poisson
Saya telah menjalankan model binomial dan quasi-Poisson negatif berdasarkan pendekatan pengujian hipotesis. Model akhir saya menggunakan kedua metode memiliki kovariat dan interaksi yang berbeda. Tampaknya tidak ada pola ketika saya merencanakan residu saya di kedua kasus. Jadi, saya bertanya-tanya tes mana yang bisa saya gunakan untuk melihat model mana yang …

2
Apakah Poisson nol terpotong dan Poisson dasar bersarang atau tidak bersarang?
Saya telah melihat banyak yang membahas apakah regresi Poisson dasar adalah versi bersarang dari regresi Poisson nol-meningkat. Misalnya situs ini berpendapat bahwa itu adalah, karena yang terakhir mencakup parameter tambahan untuk memodelkan nol tambahan, tetapi sebaliknya menyertakan parameter regresi Poisson yang sama dengan yang sebelumnya, meskipun halaman tersebut tidak menyertakan …

2
Memperkirakan rasio risiko yang disesuaikan dalam data biner menggunakan regresi Poisson
Saya tertarik untuk memperkirakan rasio risiko yang disesuaikan, analog dengan bagaimana seseorang memperkirakan rasio odds yang disesuaikan menggunakan regresi logistik. Beberapa literatur (misalnya, ini ) menunjukkan bahwa menggunakan regresi Poisson dengan kesalahan standar Huber-White adalah cara berbasis model untuk melakukan ini Saya belum menemukan literatur tentang bagaimana penyesuaian untuk kovariat …

2
Mengapa residu Pearson dari regresi binomial negatif lebih kecil daripada residu dari regresi poisson?
Saya punya data ini: set.seed(1) predictor <- rnorm(20) set.seed(1) counts <- c(sample(1:1000, 20)) df <- data.frame(counts, predictor) Saya menjalankan regresi poisson poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson") Dan regresi binomial negatif: require(MASS) nb_counts <- glm.nb(counts ~ predictor, data = df) Lalu saya menghitung statistik dispersi …

1
Hitung tingkat insiden menggunakan model poisson: hubungan dengan rasio bahaya dari model Cox PH
Saya ingin menghitung tingkat kejadian untuk disajikan di sepanjang rasio bahaya untuk menyajikan ukuran risiko relatif dan absolut. Saya melihat dalam penelitian lain bahwa tingkat kejadian seperti itu dapat dihitung menggunakan model poisson dengan waktu tindak lanjut dalam model sebagai offset. Jadi saya mencobanya di R sebagai berikut: library(survival) # …

1
Residu dalam regresi poisson
Zuur 2013 Beginners Guide to GLM & GLMM menyarankan validasi regresi Poisson dengan memplot residu Pearsons terhadap nilai yang dipasang. Zuur menyatakan kita seharusnya tidak melihat residu mengembang saat nilai pas meningkat, seperti plot yang dilampirkan (digambar tangan). Tapi saya pikir karakteristik utama dari distribusi Poisson adalah varians meningkat dengan …

2
Bisakah Bobot dan Offset mengarah ke hasil serupa dalam regresi poisson?
Dalam "Panduan Practioner untuk Generalized linear models" dalam paragraf 1.83 dinyatakan bahwa: "Dalam kasus khusus GLM multiplikatif Poisson dapat ditunjukkan bahwa klaim pemodelan dihitung dengan istilah offset yang sama dengan log paparan yang menghasilkan hasil yang identik dengan pemodelan frekuensi klaim dengan bobot sebelumnya yang ditetapkan sama dengan paparan setiap …


2
Mengapa tidak ada model data hitungan satu kali lipat?
Saya sedang mengerjakan model data hitung nol-naik menggunakan psclpaket. Saya hanya ingin tahu mengapa tidak ada pengembangan model untuk model data hitungan satu kali lipat! Juga mengapa tidak ada pengembangan model data bimodal, katakanlah zero-and-2-inflated! Setelah saya menghasilkan data Poisson satu-inflasi dan menemukan bahwa baik model glmwith family=poissonatau binomial negatif …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.