포아송 회귀분석 예제

Pearson 잔차는 그 의미와 기대하는 값의 종류에 익숙할 수 있다는 장점이 있습니다. 예를 들어 표준화 후 대부분의 Pearson 잔차는 -2와 2 사이로 떨어질 것으로 예상됩니다. 그러나 편차 잔차는 푸아송 회귀에 더 나은 선택을 할 수 있는 몇 가지 유용한 특성을 가지고 있습니다. 그림 4.3은 각 집의 수의 상당한 가변성을 보여 줍니다. 응답범위는 0에서 16사이이며, 응답자 중 상당수가 1~5명 정도의 응답을 받고 있습니다. 많은 푸아송 분포와 마찬가지로 이 그래프도 올바르게 왜곡되어 있습니다. 그것은 분명히 가정에있는 사람들의 수는 일반적으로 분산 응답것을 제안하지 않습니다. 필리핀의 세대는 몇 살에 가장 많은 수의 가구를 찾을 가능성이 가장 높은가요? 이 협회는 가난한 가정 (주로 빛 / 인양 재료로 만든 지붕의 존재에 의해 측정)에 대해 유사합니까? 먼저 세대주 이외의 다른 사람 수인 (Y=)을 명시적으로 정의합니다. 그런 다음 설명 변수를 정의합니다: 세대의 머리의 나이, 지붕 유형(주로 빛/인양된 재료 또는 주로 강한 재료), 위치(센트럴 루손, 다바오 지역, 일로코스 지역, 메트로 마닐라 또는 비사야스).

주로 빛/인양된 재료는 빛 재료, 혼합되었지만 주로 가벼운 재료, 혼합되었지만 주로 인양된 재료의 조합이며, 인양된 재료입니다. 우리의 응답은 카운트, 그래서 우리는 관심의 매개 변수가 (lambda), 가구 당 머리 이외의 사람들의 평균 수입니다 푸아송 회귀를 고려합니다. 주로 세대의 규모와 세대의 나이 사이의 관계를 조사하여 위치와 소득을 통제합니다. 푸아송 분포는 주어진 시간 간격 내에서 발생하는 이벤트의 확률을 찾는 데 가장 일반적으로 사용됩니다. Poisson 분포를 사용하여 개수에 대해 이야기하기 때문에 결과가 0 이상이어야 하므로 이벤트가 음수로 발생하는 것은 불가능합니다. 반면에 정규 분포는 연속 변수에 대한 연속 분포이며 양수 또는 음수 값을 초래할 수 있습니다. 특정 상황에서관찰된 분산이 평균보다 크다는 것을 발견할 수 있습니다. 이를 과분산이라고 하며 모델이 적절하지 않음을 나타냅니다. 일반적인 이유는 관련 설명 변수 또는 종속 관측값의 누락입니다.

경우에 따라 과분분산 문제는 준우도 추정 또는 음수 이항 분포를 대신 사용하여 해결할 수 있습니다. [2] [3] 참고 2: 및 탭에서 다양한 옵션을 선택할 수도 있습니다.

This entry was posted in Uncategorized. Bookmark the permalink.

Fatal error: Cannot redeclare class walker in /home/content/90/8606590/html/booksnboots/wp-content/themes/teentouch/comments.php on line 10