IBM SPSS Modelerで一般化線形モデル(GLM):ポアソン回帰 [データサイエンス、統計モデル]
GLMといえば、Rで分析していましたが、IBM SPSS Modeler(Clementine)でも同様のことができます。
本当に値って同じ結果が得られるのか?と検証しました。
結果は、RもModelerも同じ結果になっています。w
ポアソン回帰ですが、どういう場合に使うのか?
y <- x1 + x2
を考えた時に、yが上限のないカウントデータの場合にポアソン回帰を使います。
具体的な事例では、1年間にアクションする回数とかでしょうか。
たとえば、旅行サイトのアクション数を想定した場合、ある人は0回ですし、ある人は1回といったデータです。
Rで書く場合は、
fit.all <- glm(y ~ x + f, data = d, family = poisson)
と書けばOKです。
リンク関数を正確に書くならば、
fit.all <- glm( y ~ x + f, data = d, family = poisson(link = "log") )
と書きます。
Modelerの場合の設定は、わかりにくいですが、
と設定すれば、Rと同じ結果が得られます。
本当に値って同じ結果が得られるのか?と検証しました。
結果は、RもModelerも同じ結果になっています。w
ポアソン回帰ですが、どういう場合に使うのか?
y <- x1 + x2
を考えた時に、yが上限のないカウントデータの場合にポアソン回帰を使います。
具体的な事例では、1年間にアクションする回数とかでしょうか。
たとえば、旅行サイトのアクション数を想定した場合、ある人は0回ですし、ある人は1回といったデータです。
Rで書く場合は、
fit.all <- glm(y ~ x + f, data = d, family = poisson)
と書けばOKです。
リンク関数を正確に書くならば、
fit.all <- glm( y ~ x + f, data = d, family = poisson(link = "log") )
と書きます。
Modelerの場合の設定は、わかりにくいですが、
と設定すれば、Rと同じ結果が得られます。