练习R语言:qcc.overdispersion.test()函数检验等离散性

原创 数据小兵  2021-09-23 12:59  阅读 176 次
数据小兵成长记

poisson回归时有一个基本条件,要求数据均值和方差一致,即等离散性。如果过离散的话,poisson模型不适合进行。

用stack.dat数据拟合一个poisson回归,只有4个变量,是一个化工厂21天内记录氨气流失的数据,Loss是我们的结局变量,氨气损失量,Air.Flow空气流动量, Water.Temp水温,Acid.Conc.酸浓缩比。

poi.fit <- glm(Loss~.,data=stack.dat,family=poisson(link = "log"))

summary(poi.fit)

结果如下:

接着计算IRR值,

exp(coef(poi.fit))

直接看参数估算表,即回归系数、IRR值表格。

首先三个自变量中,air和water是显著的,对因变量氨气流失有预测作用,回归系数均大于0,呈现正相关关系。

这里的EXP(B)理解为IRR,类似于OR值。比如air变量的IRR=1.029,可以通俗理解为是:空气流动每增加一个单位,氨气流失增加3%。

那么这个数据是否满足等离散的条件呢?

library(qcc)

qcc.overdispersion.test(stack.dat$Loss,type = "poisson")

来看检验的结果:

p值<0.05,说明过离散,模型不可靠,这个结果就很不友好了,它意味着我们拟合的poisson回归模型未必是最恰当的方式,在这种情况下可以考虑负二项回归,或类poisson回归。

本文完
文/图=数据小兵

更多R统计文章
练习R:单个连续数据的探索性统计可视化函数EDA
练习R:用lm.ridge()做岭回归分析,可惜无法输出R平方
练习R:lm+plot+abline+text四函数绘制线性拟合散点图
练习R:用lm.ridge()做岭回归分析,可惜无法输出R平方
练习R:分类自变量的线性回归
练习R:factor函数为有序分类变量创建值标签
学习R:识别缺失值与将指定数据编码为缺失值
练习R:car包recode函数多分类变量的重新编码
练习R:stepAIC多元逐步回归
练习R:用3d空间图展示多元线性回归模型
练习R:用3d空间图展示多元线性回归模型
练习R:dplyr包arrange函数排序
练习R:DoE.base包生成标准L9-3-4正交表
练习R:正交试验极差分析、方差分析与统计图形
练习R:rsm包设计响应面试验并做数据分析
练习R:interaction.plot()函数绘制交互作用图
练习R:influencePlot()函数发现离群点杠杆点强影响点
练习R:glm()函数连续自变量的二项logistic回归
练习R:spss.get()函数读取SPSS数据集
练习R:lrtest()函数做logistic回归全局显著性检验
练习R:qqnorm+t.test函数配对t检验
练习R:TukeyHSD()+plot()函数实现多重比较森林图
练习R:pwr.t.test()函数实现独立t检验样本量计算
本文地址:http://www.datasoldier.net/archives/3293
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
NEXT:已经是最新一篇了
视频课程《SPSS统计分析:从入门到实践提高》
欢迎订阅SPSS训练营微信公众号

评论已关闭!