LoslegenKostenlos loslegen

Poisson-Regression

Eine Poisson-Regression ist eine weitere Art von GLM. Sie setzt ganze Zahlen bzw. Zähldaten voraus (also 0, 1, 2, 3, …). In manchen Fällen kann eine Poisson-Regression aussagekräftiger sein (z. B. beim Aufdecken statistisch signifikanter Trends) als ein lineares Modell bzw. eine „Gaussian“-Regression.

In dieser Übung bauen wir eine lineare Regression mit der Funktion lm() und eine Poisson-Regression mit glm().

Die Objekte x und y sind bereits in R geladen.

Diese Übung ist Teil des Kurses

Hierarchische und gemischte Effekte-Modelle in R

Kurs anzeigen

Anleitung zur Übung

  • Baue ein lm(), in dem y durch x vorhergesagt wird, und gib dann die Zusammenfassung aus.
  • Baue ein glm(), in dem y durch x mit einer "poisson"-Verteilung vorhergesagt wird, und gib anschließend die Zusammenfassung im Terminal aus.
  • Sieh dir die Koeffizientenschätzungen jeweils an und beachte, dass nur das glm() statistisch signifikante Schätzungen für x liefert.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Fit the linear model
summary(lm(___))

# Fit the generalized linear model
summary(glm(___, family = "___"))
Code bearbeiten und ausführen