R 编程中的泊松回归

泊松回归模型用于对计数数据和作为计数的响应变量（Y 值）建模。它显示了哪些 X 值对 Y 值起作用，更明确地说，它对数据进行计数：具有非负整数值的离散数据可以计数。

换句话说，它显示了哪些解释变量对响应变量有显着影响。泊松回归涉及回归模型，其中响应变量是计数形式而不是分数形式。

Mathematical Equation:

Parameters:

• y: This parameter sets as a response variable.
• a and b: The parameter a and b are the numeric coefficients.
• x: This parameter is the predictor variable.

创建泊松回归模型

用于创建泊松回归模型的函数是glm()函数。

Syntax: glm(formula, data, family)

Parameters:

• formula: This parameter is the symbol presenting the relationship between the variables.
• data: The parameter is the data set giving the values of these variables.
• family: This parameter R object to specify the details of the model. It’s value is ‘Poisson’ for Logistic Regression.

例子：

方法：要了解我们如何创建：
• 我们使用数据集“warpbreaks”。
• 将“中断”视为响应变量。
• 羊毛“类型”和“张力”作为预测变量。

代码：

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

输出：


创建回归模型

方法：创建泊松回归模型：

• 获取制作模型所需的参数。
• 让我们使用 summary()函数来查找模型的摘要以进行数据分析。

例子：

input <- warpbreaks
print(head(input))

输出：


使用glm()函数创建泊松回归模型

方法：在glm()函数的帮助下创建回归模型：

• 借助此函数，轻松制作模型。
• 现在我们为“公式”、“数据”和“家庭”之间的关系绘制图表。

例子：

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

输出：