ポアソン対数線形モデルのフィッティング

私は2×2テーブルを考えました。データは、実行前後の生徒の脈拍数を取ることに関するものです。私はPulseBeforeとPulseAfterに対してRan（Yes/No）を考慮し、不測の事態の表を作りました。私はポアソンログ線形モデルを適合させ、このような出力を得ました。ポアソン対数線形モデルのフィッティング

inde<-glm(dat$Ran1~dat$Pulse1+dat$Pulse2,family=poisson) 
inde 

Call: glm(formula = dat$Ran1 ~ dat$Pulse1 + dat$Pulse2, family = poisson) 

Coefficients: 
(Intercept) dat$Pulse1 dat$Pulse2 
    -2.09795  -0.02745  0.02968 

Degrees of Freedom: 108 Total (i.e. Null); 106 Residual 
Null Deviance:  79.37 
Residual Deviance: 37.21  AIC: 135.2

これは間違いありませんか？

出典

2016-07-25 Shree

おそらく、脈拍数1と、レート1と、それらが実行されたかどうかとの相互作用 - 例えば、（ 'glm（Pulse2〜Pulse1 + Pulse1：Ran1、data = at、family = poisson）'） –

@ Marc in the boxこのモデルを考えると、私の不測の表はどのように見えますか？行と列のエフェクトモデルをどのように識別できますか？ – Shree

脈拍数の変化を予測するのが効果的かどうかは分かりますか？あなたが本当には応答変数として蘭扱いたいなかった場合
、それは0/1ですので、ポアソン数は当然の選択ではないでしょう - 二項モデル（ロジスティック回帰）は、より理にかなっています。

出典

2016-07-25 06:11:43

ポアソン対数線形モデルのフィッティング

答えて

関連する問題