用R中的glm求解简单方程

Question

我有一些来自泊松分布的数据，并且有一个我想用glm解决的简单方程式。

观察到数学方程= y *预期。

我有观察到的和预期的数据，并希望使用glm来找到y的最佳值，我需要乘以预期得到观察值。我也希望获得y的置信区间。

我应该做这样的事吗

glm(observed ~ expected + offset(log(expected)) + 0, family = 'poisson', data = dataDF)

然后取系数的指数？我尝试了这个但是给出的值与我将观察的总和除以预期的总和所得到的值完全不同，我认为它们应该是相似的。

我做错了吗？

由于

Answer 1

试试这个：

 logFac <- coef( glm(observed ~ offset(expected) , family = 'poisson', data = dataDF))
 Fac <- exp( logFac[1] )  # That's the intercept term

该模型确实是：observed ~ 1 + offset(expected)，并且由于它是在对数刻度上估算的，因此截距成为转换因子，用于在预期的＆＃39;之间进行转换。并且观察到了＃39;负面评论是您应该在CrossValidated.com上发布的证据，其中更欢迎一般统计方法问题。