广义估计方程 泊松

来自决策链云智库
Zeroclanzhang讨论 | 贡献2024年1月19日 (五) 19:11的版本
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)
Generalized Estimating Equation Poisson.png
节点状态
Windows / Windows 10 Win10及以上可用
V1.0.2部署
广义估计方程_泊松Generalized Estimating Equation Poisson.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Generalized Estimating Equation_Poisson
功能主类别数据分析
英文缩写GEEPoisson
功能亚类别回归分析
节点类型数据挖掘
开发语言R
节点简介

广义估计方程是一种研究纵向数据(比如重复测量数据,面板数据)的方法。用于估计广义线性模型的参数,其中线性模型的结果之间可能存在未知的相关性, 对于纵向数据,不满足方差分析条件的重复测量设计资料可以采用广义估计方程来进行分析。纵向数据是按时间顺序对个体进行重复测量得到的资料泊松回归是用来为计数资料和列联表建模的一种回归分析,因变量为计数变量,解决的问题是在特定时间内发生n个事件的概率。回归需要满足以下条件:一个事件的发生不影响其它事件的发生,即事件独立发生,不存在传染性、聚集性的事件。因变量Y服从泊松分布,总体均数等于总体方差。

用途:用于分析计数数据的统计方法,尤其适用于处理相关或群集数据。GEE方法考虑了数据中可能存在的观测间相关性,并且可以用于纵向数据或重复测量数据分析。

参数:选择泊松分布因变量,ID变量,和自变量。

端口数量与逻辑控制(PC)
Input-入口5个
Output-出口2个
Loop-支持循环
If/Switch-支持逻辑判断
输入输出
可生成图片类型(推荐)
可生成数据表类型(推荐)
相关节点
上一节点广义估计方程_负二项
下一节点广义相加混合模型_高斯




查找其他类别的节点,请参考以下列表