307999_zh-TW

liliconcom

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

參數估計和保存的預測公式

這是在 JMP v15 中。也許在 JMP 的早期版本中，公式的表達方式不同。

由於鏈接函數是 Log，因此必須將預測取冪返回到 X 的單位。

 

不是泊松專家，但它是一個有趣的分佈，因為中心和尺度參數相等。 所以當 X 很大時它看起來很正常，而當 X 接近 0 時它看起來很正常。

 

這是來自腳本索引，對於理解 lambda 不同級別的分佈行為非常有用

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" )
 )
);

具有廣義線性模型的泊松迴歸方程式 (e^B0+B1x1????)

嗨，有人可以幫我嗎？

所以我們現在正在做泊松回歸 - 我們被要求使用廣義線性模型 - 分佈：泊松 - 連結函數：對數。 我的老師要求寫迴歸方程，但沒有指導如何做。 他的建議是在 SAS 中執行此操作，如果 1) 的話，這將很有用。 我有 SAS 許可證和 2)。知道如何在 SAS 中編碼。 但如果沒有這些，我就只剩下 JMP，這其實就是這門課的內容，所以希望我的挫敗感能夠被理解。

 

我理解它理論上是“線性的”，並且我理解日誌用於我們的鏈接，但有人可以幫我把它寫出來。 我在網路上發現了相互矛盾的錯誤，如果沒有這個，我無法完成任何作業。

 

我的 y 變數是住院時間，我的 X 變數是因素數量（住院期間使用的醫療物品數量）我的參數如下：

 

 

我嘗試使用“預測公式”列來給出公式，其中表示 e^B0+B1x1 --> e^1.392+0.0021x。 是這樣嗎？

 

另外，如果回答這個問題的人對泊鬆有紮實的理解，我還有一個關於模型充分性的問題。

 

謝謝

＃統計數據

數據探索和視覺化