如何实现泊松回归？

Question

有两种类型的广义线性模型：  
1。对数线性回归，也称为泊松回归  
2。 Logistic回归

如何在Python中实现价格弹性预测的泊松回归？

Answer 1

查看python中的statmodels包。

这是example

更多输入以避免 链接仅回答

假设你知道这里的python是我前面提到的例子的摘录。

import numpy as np
import pandas as pd
from statsmodels.genmod.generalized_estimating_equations import GEE
from statsmodels.genmod.cov_struct import (Exchangeable,
    Independence,Autoregressive)
from statsmodels.genmod.families import Poisson

pandas将保存数据框，其中包含您要用于提供泊松模型的数据。 statsmodels包中包含大量的统计模型，如Linear，probit，poisson等。从这里您将导入Poisson族模型（提示：参见上次导入）

您的模型拟合方式如下（假设您的因变量称为y，您的IV是年龄，trt和基数）：

fam = Poisson()
ind = Independence()
model1 = GEE.from_formula("y ~ age + trt + base", "subject", data, cov_struct=ind, family=fam)
result1 = model1.fit()
print(result1.summary())

由于我不熟悉您的问题的性质，如果您需要对数据进行过度分散，我建议您查看负二项式回归。在高过度离散的情况下，你的泊松假设可能不成立。

R中泊松回归的大量信息 - 只是google it。

希望现在这个答案有所帮助。