在泊松回归中,响应变量y服从泊松分布,其期望值的对数由未知参数的线性组合建模。泊松回归模型也被称为对数线性模型。
在统计学中,泊松回归被用来模拟计数数据和列联表。
计算变量的常见示例包括重量(公斤数)、时间(年数)和班级规模(人数)。
变量
泊松回归结果变量Y是一个计数。我们也可以用y/t,速率,作为响应变量t表示时间、空间或其他分组的间隔。
解释变量,X= (X1,X2,……Xk),可以是连续变量,也可以是连续变量和分类变量的组合。
为简单起见,使用一个解释变量,我们可以这样写:
Log (μ) = α + βX
这相当于μ = exp (α + βX)
Exp (α) =对均值的影响Y,即μ,当X= 0
Exp (β) =随着每单位的增加X,预测变量对的均值具有exp(β)的乘法效应Y,即μ
因此,本文总结了泊松回归的定义及其概述。
这篇文章是由业务概念小组.它已由MBA Skool团队审查和发表。beplay.888MBA Skool的内容仅用于beplay.888教育和学术目的。
浏览更多类似术语的定义和含义。《管理词典》涵盖了5类2000多个业务概念。
继续阅读: