R泊松回归

泊松回归模型用于对以结果为计数的事件进行建模。计数数据是具有非负整数值的离散数据，该整数值对事物进行计数，例如杂货店排队的人数或在给定时间范围内事件发生的次数。

我们还可以将计数数据定义为费率数据。这样就可以将事件在时间范围内发生的次数表示为原始计数或比率。泊松回归使我们能够确定哪个解释变量(x值)影响给定的响应变量(y值，计数或比率)。

例如，杂货店可以实施泊松回归以更好地理解并预测连续的人数。

泊松回归具有以下一般数学方程式：

这里，

泊松回归模型是在熟悉的函数glm()的帮助下创建的。

让我们看一个使用glm()函数创建泊松回归模型的示例。在此示例中，我们考虑了一个内置数据集“ wrapbreaks”，该数据描述了张力(低，中或高)，以及羊毛类型(A和B)对每台织机的断头次数的影响。我们将羊毛的“类型”和“张力”作为预测变量，而“断裂”作为响应变量。

例

#Creting data for the poisson regression
reg_data<-warpbreaks
print(head(reg_data))

输出：

现在，我们将借助glm()函数创建回归模型，如下所示：

#Creating Poisson Regression Model using glm() function
output_result <-glm(formula = breaks ~ wool+tension, data = warpbreaks,family = poisson)
output_result

输出：

现在，让我们使用summary()函数查找模型的摘要以进行数据分析。

#Using summary function
print(summary(output_result))

输出：