R中随时间的发病率数据的泊松回归

Question

我在上面遇到了一些麻烦（计算R中随时间的发病率数据的泊松回归）。费率结果是每100000，我想知道是否适合进行调整glm((Cancer_Incidence_Rate/100000)~time, family = poisson)请提前感谢您提供有关该主题的任何信息或解释。

Answer 1

泊松回归是一种预测正整数的方法。数据是数据吗？如果你想用泊松回归预测率并且你没有整数，那么你可以舍入率： glm((round(Cancer_Incidence_Rate/100000))~time, family = poisson) 您能否提供有关数据分布的更多信息？

Answer 2

您不应该将费率除以常数;事实上，这可能会导致错误的P值和显着性水平。如果不同的观察结果代表不同的人数/总暴露量，您应该做的是考虑暴露。您可以通过将响应建模为每单位曝光率，并将曝光用作权重来实现此目的; 或使用（log-）曝光作为偏移。

关于偏差在泊松回归中的作用，请参见my post on CrossValidated。