307999_de-DE

liliconcom

Poisson-Regressionsgleichung (e ^ B0 + B1x1 ????) mit verallgemeinertem linearem Modell

Hallo kann mir jemand helfen?

Wir machen gerade Poissons Regression - wir wurden gebeten, das generalisierte lineare Modell - Verteilung: Poissons - Link-Funktion: log zu verwenden. Mein Lehrer hat darum gebeten, die Regressionsgleichung ohne Anleitung zu schreiben. Sein Rat war, es in SAS zu tun, was nützlich wäre, wenn 1). Ich hatte eine SAS-Lizenz und 2). wusste, wie man in SAS codiert. Aber ohne diese bin ich JMP überlassen, worum es in der Klasse eigentlich geht, so hoffentlich wird meine Frustration verstanden.

 

Ich verstehe, dass es theoretisch "linear" ist und ich verstehe, dass das Protokoll für unseren Link verwendet wird, aber kann mir jemand helfen, es zu schreiben. Ich finde online widersprüchliche Fehler und kann ohne diese keine meiner Hausaufgaben erledigen. 

 

Meine y-Variable ist die Aufenthaltsdauer im Krankenhaus, meine X-Variable ist die Anzahl der Faktoren (Anzahl der während des Aufenthalts verwendeten medizinischen Artikel). Meine Parameter lauten wie folgt:

 

 

Ich habe versucht, die Spalte "Vorhersageformel" zu verwenden, um die Formel zu erhalten, in der e ^ B0 + B1x1 -> e ^ 1.392 + 0.0021x steht. Ist es das, was es ist? 

 

Auch wenn jemand, der dies beantwortet, ein solides Verständnis für Poisson hat, habe ich eine zusätzliche Frage zur Modelladäquanz.

 

DANKE 

#STATISTIKEN 

AnalytikAndereBetreff: Poisson-Regressionsgleichung (e ^ B0 + B1x1 ????) mit verallgemeinertem linearem Modell

Parameterschätzungen und die gespeicherte Vorhersageformel

Dies ist in JMP v15. Vielleicht wurde die Formel in früheren Versionen von JMP anders ausgedrückt.

Da die Verknüpfungsfunktion Log ist, muss die Vorhersage auf Einheiten von X zurück potenziert werden.

 

Kein Poisson-Experte, aber es macht Spaß, weil die Mittel- und Skalenparameter gleich sind. Wenn X also groß ist, sieht es normal aus, und wenn X nahe bei 0 liegt, sieht es logarithmisch normal aus.

 

Dies stammt aus dem Skriptindex, der sehr nützlich ist, um das Verhalten der Verteilung auf verschiedenen Lambda-Ebenen zu verstehen

Names Default To Here( 1 );
lambda = 4;
New Window( "Example: Poisson Probability",
 pdy = Graph Box(
  Y Scale( 0, 0.20 ),
  X Scale( -1, 40 ),
  Pen Color( "red" ),
  Pen Size( 2 );
  For( k = 0, k <= 40, k++,
   V Line(
    k,
    0,
    Poisson Probability( lambda, k )
   )
  );
  Text(
   {30, 0.18},
   "\!U03BB=",
   Round( lambda, 2 )
  );
 ),
 H List Box(
  Slider Box( 0, 40, lambda, pdy << reshow ),
  Text Box( " \!U03BB" )
 )
);