CommencezCommencez gratuitement

Régression de Poisson

La régression de Poisson est un autre type de GLM. Elle nécessite des entiers ou des données de dénombrement (p. ex. 0, 1, 2, 3, …). Dans certaines situations, une régression de Poisson peut être plus puissante (p. ex. pour détecter des tendances statistiquement significatives) qu'un modèle linéaire ou une régression « Gaussian ».

Dans cet exercice, nous allons construire une régression linéaire avec la fonction lm() et une régression de Poisson avec glm().

Les objets x et y sont déjà chargés dans R pour vous.

Cette activité fait partie du cours

Modèles hiérarchiques et à effets mixtes en R

Voir le cours

Instructions de l’exercice

  • Construisez un lm() où y est prédit par x, puis affichez le résumé.
  • Construisez un glm() où y est prédit par x avec une fonction de distribution "poisson", puis affichez le résumé dans le terminal.
  • Examinez les estimations des coefficients pour chacun et remarquez que seul le glm() produit des estimations statistiquement significatives pour x.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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

# Fit the generalized linear model
summary(glm(___, family = "___"))
Modifier et exécuter le code