选择适用于拟合 Poisson 模型的选项

统计 > 回归 > Poisson 回归 > 拟合 Poisson 模型 > 选项

权重

权重中,输入权重的数字列,以执行加权回归。权重必须大于或等于零。权重列的行数必须与响应列相同。有关确定相应权重的更多信息,请转到加权回归

所有区间的置信水平

输入系数和拟合值的置信区间的置信水平。

通常,置信水平为 95% 即可。95% 置信水平表明,如果从总体中随机抽取 100 个样本,则大约 95 个样本的置信区间中将包含响应均值。对于给定的数据集,置信水平越低,生成的区间越窄;置信水平越高,生成的区间越宽。

注意

要显示置信区间,必须转到结果子对话框,然后从结果显示中,选择扩展表

置信区间类型

您可以选择双侧区间或单侧边界。对于同一置信水平,边界比区间更接近点的估计值。上限不提供可能的下限值。下限不提供可能的上限值。

例如,在给定的一小时内到诊所就诊的患者的平均数量为 4.58。多个未来观测值的平均事件数的 95% 置信区间为 2.7 到 6.5。平均值的 95% 上限为 6.2,该值更精确,因为边界更接近预测的平均值。

  • 双侧:使用双侧置信区间估计平均事件数可能的下限值和可能的上限值。
  • 下限:使用置信下限估计平均事件数可能的下限值。
  • 上限:使用置信上限估计平均事件数可能的上限值。

诊断残差

偏差量残差和 Pearson 残差有助于确定残差图中的模式和异常值。模型未良好拟合的观测值的偏差量残差和 Pearson 残差较高。Minitab 将针对每个可区分的因子/协变量模式计算残差值。
  • 偏差:偏差量残差可以度量模型对观测值的预测优度。偏差量残差通常是使用 logit 链接函数的 Logistic 回归的首选,因为残差分布更类似于最小二乘模型的残差分布。logit 链接函数是最常用的链接函数。
  • Pearson:Pearson 残差也可以度量模型对观测值的预测优度。确定异常值的常用方法是按照工作表中观测值的顺序绘制 Pearson 残差图。

检验偏差

选择一个偏差以计算卡方值和 P 值。最常用的是调整的偏差。使用序贯偏差按照项输入模型的顺序确定项的显著性。
  • 调整(III 型):对于每一项,相对于包含所有剩余项的模型度量偏差的减少。
  • 序贯(I 型):度量在将某一项添加到仅包含该项之前各项的模型中时,偏差的减少。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策