可生成图片类型(推荐)
可生成数据表类型(推荐)
Zeroclanzhang(讨论 | 贡献) (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…”) |
Zeroclanzhang(讨论 | 贡献) 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= | |nodeenglishname=Generalized Estimating Equation_Negative Binomial | ||
|abbreviation= | |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]] | ||
}} | }} | ||
节点状态 | / Win10及以上可用
在V1.0.2部署
|
---|---|
广义估计方程_负二项 | |
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 | 是 |
If/Switch-支持逻辑判断 | 否 |
输入输出 | |
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 |
相关网站 |
查找其他类别的节点,请参考以下列表