加载中
拓展

时间段变化的泊松回归 假设结果变量是一个比率。为分析比率,必须包含一个记录每个观测的时间长度的变量(如time)。然后,将模型从 为拟合新的模型,需要设置glm()函数中的offset选项,例如...

过度离势

泊松分布的方差和均值相等。当响应变量观测的方差比依据泊松分布预测的方差大时,泊松分布回归可能发生 过度离势 原因 处理计数数据时经常发生过度离势,且过度离势会对结果的可解释性造成负...

R
2017/11/07 08:31
398
解释模型参数

获取系数 #还是引用癫痫的例子 > coef(fit) #使用coef()获取拟合模型的系数,包括截距项 (Intercept) Base Age Trtprogabide 1.94882593 0.02265174 0.0227401...

2017/11/07 08:31
24
泊松回归

泊松回归介绍 泊松回归适用于在给定时间内响应变量为事件发生数目的情况,它假设 Y 服从泊松分布,线性模型的拟合形式为 其中 是 Y 的均值(也等于方差)。此时,连接函数为,概率分布为泊松...

2017/11/07 08:31
1.2K
拓展

R中拓展的Logistic回归和变种如下所示 稳健Logistic 回归 robust 包中的glmRob()函数可用来拟合稳健的广义线性模型,包括稳健Logistic回归。当拟合Logistic回归模型数据出现iqundian和强影响...

过度离势

概念 抽样于二项分布的数据的期望方差是 = nπ(1-π),n为观测数,n为属于 Y=1组的概率。所谓 过度离势, 即观测到的响应变量的方差大于期望的二项分布的方差。过度离势会导致奇异的标准误检...

R
2017/11/07 08:30
1.2K
评价预测变量对结果概率的影响

并不是很理解把,《R语言实战》第2版 ,p287 对于大多数来说,以概率的方式思考比使用优势比更直观。使用 predict() 函数,可以观察某个预测变量在各个水平是对结果概率的影响。首先创建一个...

2017/11/07 08:30
258
模型参数的解释

之前Affairs例子的参数 > coef(fit.reduced) #获取拟合模型的系数包括截距项 (Intercept) age yearsmarried religiousness rating 1.93083017 -0.03527112 0....

Logistic回归

Logistic回归介绍 Logistic回归适用于二值相应变量(0/1)。模型假设 Y 服从二项分布,线性模型的拟合形式: 其中 π = μy是 Y的条件均(即给定一系列 X 值时 Y=1的概率),(π/1-π)为 ...

2017/11/07 08:30
304
分析回归时可用到的函数

分析标准线性模型时lm()连用的许多函数在glm()都有对应形式,一些常见的函数表 函数 描述 summary() 展示拟合模型的细节 coefficcients()、coef() 列出拟合模型的参数(截距项和斜率) resi...

glm()

R中使用glm()函数拟广义线性模型,其格式为 glm(formula,family= family(link=funciton),data = ) 概率分布(famiily)和相应默认的连接函数(function) glm()参数表 分布族 默认的连接函数...

广义线性模介绍

一般线性模型 也有表示为 必须满足 1、误差项 满足变异一致 2、X,Y都是取连续值的变量,如农作物的产量,人的身高体重之类的 3、Y 的分布为正态,或接近正态分布之分布且互相独立 一般线性模...

没有更多内容

加载失败,请刷新页面

没有更多内容

返回顶部
顶部