一般化線形モデルの2種類があります。
1.も価格弾力性の予測のためにPythonでポアソン回帰を実装する方法
2.ロジスティック回帰ポアソン回帰の実装方法
ポアソン回帰として知られている対数線形回帰は、?
一般化線形モデルの2種類があります。
1.も価格弾力性の予測のためにPythonでポアソン回帰を実装する方法
2.ロジスティック回帰ポアソン回帰の実装方法
ポアソン回帰として知られている対数線形回帰は、?
pythonでstatmodelsパッケージを見てください。ここで
はあなたがここでのpythonを知って、私は前述の例の抽出物であるAssumming
に答えるリンクを避けるために、入力のexample
もう少しです。
import numpy as np
import pandas as pd
from statsmodels.genmod.generalized_estimating_equations import GEE
from statsmodels.genmod.cov_struct import (Exchangeable,
Independence,Autoregressive)
from statsmodels.genmod.families import Poisson
pandas
あなたのポアソンモデルを供給するために使用するデータを持つデータフレームを開催します。 statsmodels
パッケージはあなたがポアソンファミリモデル(ヒント:最後のインポートを参照)をインポートしますここから、このようなリニア、プロビット、ポアソン等の統計モデルの大きなファミリーが含まれてい
あなたのモデルに適合方法は以下の通りである(あなたと仮定すると従属変数y
と呼ばれ、あなたIV年齢、TRTとベースされます):
fam = Poisson()
ind = Independence()
model1 = GEE.from_formula("y ~ age + trt + base", "subject", data, cov_struct=ind, family=fam)
result1 = model1.fit()
print(result1.summary())
私はあなたの問題の性質を熟知していないですとあなたがカウントする必要がある場合、私は負の二項回帰を見てすることをお勧めデータは十分に過分散されています。高過分散では、ポアソンの仮定が成立しないことがあります。
Rのポアソン回帰のための情報の豊富 - ちょうどgoogle it。
今、この回答が役に立ちます。
http://statsmodels.sourceforge.net/devel/glm.htmlを探していますか?また、広すぎる。 –
共有したリンクには「ポアソン分布」があります。私は "ポアソン回帰"を探していました。 Rにはありますが、Pythonで実装する方法はありますか? – User456898
私はロジスティック回帰を探していません。 PythonのLog-Linear(Poisson)回帰について知りたい – User456898