Verwenden Sie Poisson-Modell
anpassen, um die Beziehung zwischen einer Gruppe von Prädiktoren und einer Antwortvariablen zu untersuchen, die die Häufigkeit des Auftretens eines Ereignisses in einem endlichen Beobachtungsraum beschreibt. Eine Poisson-Antwortvariable zählt Ereignisse, z. B. die Anzahl der bei einer Einheit erkannten Fehler. Sie können Wechselwirkungs- und Polynomialterme einbinden, eine schrittweise Regression ausführen, andere Linkfunktionen anpassen und das Modell mit einer Teststichprobe oder der Kreuzvalidierung validieren.
Ein Platinenhersteller möchte beispielsweise die Anzahl der Lötfehler auf einer Platine modellieren.
Nachdem Sie die Analyse durchgeführt haben, speichert Minitab das Modell, das Ihnen folgende Möglichkeiten bietet:
- Sie können die Werte der Antwortvariablen für neue Beobachtungen prognostizieren.
- Sie können die Beziehungen zwischen den Variablen grafisch darstellen.
- Sie können Werte finden, mit denen die Werte einer oder mehrerer Antwortvariablen optimiert werden.
Weitere Informationen finden Sie unter
Übersicht über gespeicherte Modelle.
Wo finde ich diese Analyse?
Um ein Poisson-Regressionsmodell anzupassen, wählen Sie aus.
In welchen Fällen bietet sich eine andere Analyse an?
- Wenn die Antwortvariable zwei Kategorien enthält, z. B. „Bestanden“ und „Nicht bestanden“, verwenden Sie Binäres logistisches
Modell anpassen.
- Wenn die Antwortvariable drei oder mehr Kategorien mit einer natürlichen Rangfolge aufweist, z. B. „Starke Ablehnung“, „Ablehnung“, „Neutral“, „Zustimmung“ und „Starke Zustimmung“, verwenden Sie Ordinale Logistische
Regression.
- Wenn die Antwortvariable drei oder mehr Kategorien ohne natürliche Rangfolge aufweist, z. B. Kratzer, Delle und Riss, verwenden Sie Nominale Logistische
Regression.
