泊松回归-意义与定义

什么是泊松回归?

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,……X_k)，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: