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!