泊松对数线性模型的拟合

我已经考虑了2乘2表，数据是关于学生在跑步之前和之后的脉搏率。我考虑了对PulseBefore和PulseAfter的Ran（是/否）并制作了一个应急表。我拟合了一个泊松对数线性模型，并得到这样的输出。泊松对数线性模型的拟合

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

这是正确的吗？

来源

2016-07-25 Shree

也许预测脉搏率2作为脉搏率1的函数加上速率1与他们是否跑步的相互作用 - 例如，（'glm（Pulse2〜Pulse1 + Pulse1：Ran1，data = at，family = poisson）'） –

@ Marc在箱子里如果我考虑这个模型，那么我的应变表将如何？我如何识别行和列效应模型？ – Shree

在我看来，试图从他们是否跑出来预测脉率的变化会更有意义。
如果你真的确实想要将Ran作为响应变量，它是0/1，所以泊松计数不会是明显的选择 - 二项模型（逻辑回归）更有意义。

来源

2016-07-25 06:11:43

泊松对数线性模型的拟合

回答

相关问题