307999_zh-CN

liliconcom

回复：泊松回归方程 (e^B0+B1x1?????)with Generalized Linear Model

参数估计和保存的预测公式

这是在 JMP v15 中。也许在 JMP 的早期版本中，公式的表达方式不同。

由于链接函数是 Log，因此必须将预测取幂返回到 X 的单位。

 

不是泊松专家，但它是一个有趣的分布，因为中心和尺度参数相等。 所以当 X 很大时它看起来很正常，而当 X 接近 0 时它看起来很正常。

 

这是来自脚本索引，对于理解 lambda 不同级别的分布行为非常有用

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" )
 )
);

具有广义线性模型的泊松回归方程 (e^B0+B1x1????)

嗨，有人可以帮我吗？

所以我们现在正在做泊松回归 - 我们被要求使用广义线性模型 - 分布：泊松 - 链接函数：对数。 我的老师要求写回归方程，但没有指导如何做。 他的建议是在 SAS 中执行此操作，如果 1) 的话，这将很有用。 我有 SAS 许可证和 2)。知道如何在 SAS 中编码。 但如果没有这些，我就只剩下 JMP，这实际上就是这门课的内容，所以希望我的挫败感能够被理解。

 

我理解它理论上是“线性的”，并且我理解日志用于我们的链接，但有人可以帮我把它写出来。 我在网上发现了相互矛盾的错误，如果没有这个，我无法完成任何作业。

 

我的 y 变量是住院时间，我的 X 变量是因素数量（住院期间使用的医疗物品数量）我的参数如下：

 

 

我尝试使用“预测公式”列来给出公式，其中表示 e^B0+B1x1 --> e^1.392+0.0021x。 是这样吗？

 

另外，如果回答这个问题的人对泊松有扎实的理解，我还有一个关于模型充分性的问题。

 

谢谢

＃统计数据

数据探索和可视化