有两种类型的广义线性模型:
1.对数线性回归,也称为泊松回归
2.逻辑回归
如何在 Python 中实现泊松回归进行价格弹性预测?
最佳答案
看看 statmodels在 python 中打包。
这是一个 example
多一点输入以避免只有链接的答案
假设您知道这里的 python 是我之前提到的示例的摘录。
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
将保存包含您要用于提供泊松模型的数据的数据框。
statsmodels
包包含大量统计模型,例如线性、概率、泊松等。从这里您将导入泊松族模型(提示:请参阅上次导入)
您拟合模型的方式如下(假设您的因变量称为 y
并且您的 IV 是年龄、trt 和基数):
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())
由于我不熟悉您问题的性质,如果您需要计算过度分散的数据,我建议您查看负二项式回归。在高度过度分散的情况下,您的泊松假设可能不成立。
关于 R 中泊松回归的大量信息 - 只需用谷歌搜索即可。
希望现在这个答案对您有所帮助。
关于python - 如何实现泊松回归?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37941881/