广义估计方程 负二项:修订间差异

来自决策链云智库
(创建页面,内容为“{{Infobox nodebasic |nodename=广义估计方程_负二项 |nodeimage=Generalized Estimating Equation_Negative Binomial.png |icon=Generalized Estimating Equation_Negative Binomial.svg |simpleicon=Generalized Estimating Equation_Negative Binomial_Pure.svg |developer=Dev.Team-DPS |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 |productionstatedesc=在V1.0.2部署 |nodeenglishname=Has english na…”)
 
无编辑摘要
 
第7行: 第7行:
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0|V1.0.2]]部署
|productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0|V1.0.2]]部署
|nodeenglishname=[[Has english name::Generalized Estimating Equation_Negative Binomial]]
|nodeenglishname=Generalized Estimating Equation_Negative Binomial
|abbreviation=[[Has abbreviation::GEENB]]
|abbreviation=GEENB
|funcmaincategory=数据分析
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
第27行: 第27行:
|nextnode=[[广义估计方程_泊松]]
|nextnode=[[广义估计方程_泊松]]
}}
}}





2024年1月19日 (五) 19:11的最新版本

Generalized Estimating Equation Negative Binomial.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_负二项Generalized Estimating Equation Negative Binomial.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_Negative Binomial
功能主类别数据分析
英文缩写GEENB
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负二项回归是因变量为计数变量的回归,而且要满足以下条件:各观测行间是非独立的,事件的发生有空间聚集现象,因变量存在过离散现象,即方差远大于均数。

用途:用于处理重复测量数据和其他复杂数据结构,尤其是当数据中存在复杂的相关性结构时。用于处理过度离散的计数数据。

参数:选择非负整数且分布具有过度离散性因变量,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_伽玛
下一节点广义估计方程_泊松




查找其他类别的节点,请参考以下列表