1.前提条件
在分析之前，首先我们要了解Poisson分布和负二项回归分布的适用条件，它们均需满足以下三个条件：
1.平稳性：发生频数的大小，只与单位大小有关系。(比如1万为单位，或者100万为单位时患癌症人数不同)
2.独立性：发生频数的大小，各个数之间没有影响关系，即频数数值彼此独立没有关联关系；比如前1小时闯红灯的人多了，第2小时闯红灯人数并不会受影响。
3.普通性：发生频数足够小，即低概率性。
2.分析流程图
不同的条件是Poisson回归要求等离散型，负二项回归分布不要求等离散性，这时我们可以运用SPSSAU采用O检验来判断数据更适合哪种回归进行分析；判断出合适的回归；接下来无论是Poisson回归还是负二项回归都需要对模型进行似然比检验，判断模型有效性；最后进行相应的回归分析，并对模型预测。流程图如下：
分析流程图
3.案例分析
下面我们结合具体案例加以说明，案例如下 ：
3.1背景
当前有一项针对专利数量的影响关系研究，研究政府对于企业的支持力度，是否一线城市，对于企业专利数量的影响情况。共收集10个城市的数据，如下：
数据
其中在是否一线城市（x1）中，1表示是，0表示否；政府扶持力度（x2）中，各个数字数值大小表示政府扶持力度的大小。
3.2操作
本例子中专利数量是基于’Weight企业数量’，因此’基数Eposure【可选】’框中应该放入’Weight企业数量’这项，因变量和自变量也放入对应位置。如下图：
3.3SPSSAU输出结果
3.3.1O检验
在SPSSAU中，可通过O检验，以及平均值和方差的大小对比，综合判断是否存在过离散现象。
根据O检验表可知，专利数量的平均值是56.500，方差是2480.944，明显平均值与方差不相等，存在过离散现象，而且O值明显大于1.96（p=0.000
Original: https://blog.csdn.net/m0_37228052/article/details/121070223
Author: spssau
Title: Poisson回归和负二项回归该如何分析
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/699250/
转载文章受原作者版权保护。转载请注明原作者出处！