CommencerCommencer gratuitement

Régression de Poisson

La régression de Poisson est un autre type de GLM. Elle nécessite des entiers ou des données de comptage (c.-à-d. 0, 1, 2, 3, …). Dans certaines situations, une régression de Poisson peut être plus puissante (par exemple pour détecter des tendances statistiquement significatives) qu’un modèle linéaire ou une régression « gaussienne ».

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.

Cet exercice fait partie du cours

Modèles hiérarchiques et à effets mixtes en R

Afficher le cours

Instructions

  • Créez un lm() où y est prédit par x, puis affichez le résumé.
  • Créez 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 constatez que seul le glm() produit des estimations statistiquement significatives pour x.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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

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