Nolga ko'tarilgan Poisson regressiyasi | Mplus ma'lumotlarini tahlil qilish misollari

Nolga ko'tarilgan Poisson regressiyasi | Mplus ma'lumotlarini tahlil qilish misollari

Nolga ko'tarilgan Poisson regressiyasi | Mplus ma'lumotlarini tahlil qilish misollari Versiya haqida ma'lumot: Ushbu sahifa uchun kod Mplus 6.12 versiyasida sinovdan o'tgan. Modellashtirish uchun nolli puflangan regressiya qo'llaniladi
08.09.2021

Versiya haqida ma'lumot:Ushbu sahifa uchun kod Mplus 6.12 versiyasida sinovdan o'tgan.

Nolinchi puflangan regressiya nol sonidan oshib ketgan ma'lumotlarni hisoblashda modellashtirish uchun ishlatiladi. Bundan tashqari, nazariya shuni ko'rsatadiki, ortiqcha nollar hisoblash qiymatlaridan alohida jarayon orqali hosil bo'ladi va ortiqcha nollarni mustaqil ravishda modellashtirish mumkin. Shunday qilib, zipmodeli ikki qismga ega, ya'ni poisson hisoblash modeli va ortiqcha nollarni bashorat qilish uchun logit modeli. Ma'lumotlarni tahlil qilishning ushbu sahifalarini, Poisson Regression va Logit Regression-ni ko'rib chiqishni xohlashingiz mumkin.

Iltimos, diqqat qiling:Ushbu sahifaning maqsadi turli xil ma'lumotlarni tahlil qilish buyruqlaridan qanday foydalanishni ko'rsatishdir. Bu tadqiqotchilar kutishi kerak bo'lgan tadqiqot jarayonining barcha jihatlarini qamrab olmaydi. Xususan, bu ma'lumotlarni tozalash va tekshirish, taxminlarni tekshirish, model diagnostikasi va potentsial keyingi tahlillarni o'z ichiga olmaydi.

Nol bilan shishirilgan poisson regressiyasiga misollar

1-misol. Maktab ma'murlari o'rta maktab o'quvchilarining bir semestr davomida ikki maktabga qatnashish xatti-harakatlarini o'rganadilar. Davomat darsga kelmagan kunlar soni bilan o'lchanadi va talabaning jinsi va matematika va til fanlari bo'yicha test sinovlari natijalari bo'yicha taxmin qilinadi. Semestr davomida ko'plab talabalarda dars qoldirish yo'q.

2-misol. Yovvoyi tabiat bo'yicha davlat biologlari shtat bog'ida baliqchilar tomonidan qancha baliq tutilishini modellashtirishni istaydilar. Tashrif buyurganlardan lageri bor yoki yo'qligi, guruhda necha kishi bo'lganligi, guruhda bolalar bo'lganmi va qancha baliq ovlanganligi so'raladi. Ba'zi mehmonlar baliq ovlamaydilar, ammo odam baliq ovlaganmi yoki yo'qmi haqida ma'lumot yo'q. Baliq bilan shug'ullangan ba'zi mehmonlar hech qanday baliq tutishmagan, shuning uchun baliq tutmagan odamlar tufayli ma'lumotlarda ortiqcha nollar mavjud.

Ma'lumotlarning tavsifi

Keling, yuqoridan 2-misolni olib boraylik. Bog'langan ma'lumotlar to'plamini bu erda topishingiz mumkin.

Bizda parkga borgan 250 guruh haqida ma'lumotlar mavjud. Parkdan chiqishdan oldin har bir guruhdan qancha baliq tutganligi ( hisoblangani), guruhda qancha bola ( bola) bo'lganligi, guruhda qancha odam bo'lganligi ( shaxslar) va lagerga lager olib keldimi yoki yo'qmi degan savollar berildi. park ( lager)). Qiziqishning natijaviy o'zgaruvchisi ovlangan baliqlarning soni bo'ladi. Hatto ovlangan baliqlar soni haqidagi savol hammaga berilgan bo'lsa-da, bu hamma baliq ovlashga ketgan degani emas. Nolinchi hisob haqida kimdir xabar berishiga nima sabab bo'lishi mumkin? Bu odamning omadi chopmaganligi va baliq tutmaganligi uchunmi yoki bu odam baliq oviga umuman bormaganligi uchunmi? Agar biror kishi baliq oviga bormagan bo'lsa, natija har doim nolga teng bo'lar edi. Aks holda, agar kishi baliq ovlashga borgan bo'lsa, hisoblash nol yoki nolga teng bo'lishi mumkin. Shunday qilib, biz nol sonlarni keltirib chiqaradigan ikkita jarayon borligini ko'rdik: baliq ovida omadsiz yoki baliq oviga bormagan.

Avval ma'lumotlarga qaraylik. Ma'lumotlarni o'qish va tavsiflovchi statistika va uchastkalarni boshlashdan boshlaymiz. Bu bizga ma'lumotlarni tushunishga yordam beradi va ma'lumotlarni qanday qilib modellashtirishimiz kerakligi haqida bir oz maslahat beradi.

Keling, ma'lumotlarga qaraylik.

Siz ko'rib chiqishingiz mumkin bo'lgan tahlil usullari

Quyida siz duch kelgan ba'zi tahlil usullari ro'yxati keltirilgan. Ro'yxatda keltirilgan usullarning ba'zilari juda oqilona, ​​boshqalari esa foydadan xoli bo'lgan yoki cheklovlarga ega.

  • Nolga ko'tarilgan Poisson regressiyasi - ushbu veb-sahifaning diqqat markazida.
  • Nolinchi inflyatsiya qilingan salbiy binomial regressiya - salbiy binomial regressiya tarqalgan ma'lumotlarga qaraganda yaxshiroq bo'ladi, ya'ni dispersiya o'rtacha qiymatdan ancha katta.
  • Oddiy hisoblash modellari - ortiqcha nollar bo'lmasa, Poisson yoki salbiy binomial modellar ko'proq mos kelishi mumkin.
  • OLS regression - OLS regression yordamida ushbu ma'lumotlarni tahlil qilishga urinib ko'rishingiz mumkin. Biroq, hisoblash ma'lumotlari juda normal emas va OLS regressiyasi bilan yaxshi baholanmaydi.

Nol bilan shishirilgan poisson regressiyasi

Quyida sintaksisi, biz ko'rsatdi sonifoydalanib soni o'zgaruvchan bo'lib sonibayonot. (I)variant, biz nol-şişirilmiş Poisson modelini ko'rsatilgan, deb ko'rsatish uchun ishlatiladi. Holda (i)variant, biz nol-inflyatsiya holda bir Poisson modelini hisoblash bo'ladi. Shuningdek, biz mavjud modeldagi ma'lumotlar to'plamidagi barcha o'zgaruvchilardan foydalanmayotganligimizni ko'rsatish uchun usevariablesbayonotidan foydalanamiz. Biz yo'qolganlarni qoldirdikbayonot, chunki ushbu ma'lumotlar to'plamida bizda etishmayotgan ma'lumotlar yo'q. Standart xatolar bilan ishlatiladi qachon bo'lmagan normal va kuzatishlar bo'lmagan mustaqillik mustahkam bo'lgan Xi-kvadrat sinov statistika bilan maksimal ehtimollik parametr bashorat qilish - standart baholash usuli MLR hisoblanadi turi = murakkab. MLR standart xatolari sendvich smeteri yordamida hisoblanadi. Odatda biz buni standart standart xatolar deb ataymiz. "Muntazam" standart xatolarni olish uchun tahlilbayonotida tahminchi = ml danfoydalanamiz . (Keyingi misolda biz tahlilbayonotini qoldiramiz va qat'iy standart xatolarni qo'lga kiritamiz.) Model bayonotida ikkita regressiya tenglamasi ko'rsatilgan: birinchi tenglama - pousson modeli, hisoblashnibashorat qilishbolalarva lagerlardanfoydalanadigan baliqlar . Ikkinchi tenglama logit modeli bo'lib, №1 son bilanko'rsatilgan bo'lib , shaxslaryordamida nol hosil qilish jarayoniga a'zolikni taxmin qiladi.

Chiqarishning MODEL FIT MALUMOT qismida siz yakuniy model uchun jurnalga yozilish ehtimolini hamda bir qator mos statistik ma'lumotlarni topasiz. Chiqarishning MODEL Natija bo'limida har bir o'zgaruvchining poisson regressiya koeffitsientlarini (taxminlarini) topasiz, standart xatolar va bahoning uning standart xatosiga nisbati. Bu Z testi sifatida ishlatilishi mumkin, bu erda 2 dan katta qiymatlar statistik ahamiyatga ega. Buning ortidan ortiqcha nollarni bashorat qilishning mantiqiy koeffitsientlari keltirilgan. Yuqorida keltirilgan chiqishda biz bolalarva lagerlar hisoblashningmuhim predmeti va shaxslarekanligini ko'rmoqdamizlogit modelida muhim prognoz hisoblanadi. Shunday qilib, har bir qo'shimcha bola uchun baliq sonini hisobga olish 1.043 ga kamayadi. Har bir qo'shimcha odam uchun ortiqcha nol hosil qiluvchi jarayonga a'zolik darajasi 0,564 ga kamayadi.

Endi mustahkam standart xatolarga yo'l qo'ymaslik uchun modelni tahlilbayonotisiz qayta ishlaylik .

Sog'lom standart xatolar "odatdagi" standart xatolardan kattaroqdir. Shunga qaramay, biz bolalar, lagerlarva shaxslaro'z modellari bo'yicha hali ham muhim bashorat qiluvchimiz.

Onlayn kazino
O'yin -kulgi avtomatlari
Onlaynkazino

Bizning yangiliklarimizga obuna bo'lish orqali birinchi eksklyuziv taklifni oling va eng yaxshi onlayn kazinolarda har kungi ajoyib chegirmalarimizdan foydalaning!