泊松对数线性模型的拟合答案

【问题标题】：Fitting of Poisson log-linear model泊松对数线性模型的拟合
【发布时间】：2016-11-28 09:07:24
【问题描述】：

我已经考虑了 2 x 2 的表格，数据是关于学生跑步前后的脉搏率。我针对 PulseBefore 和 PulseAfter 考虑了 Ran（是/否）并制作了一个列联表。我拟合了一个泊松对数线性模型，得到了这样的输出。

inde<-glm(dat$Ran1~dat$Pulse1+dat$Pulse2,family=poisson)
inde

Call:  glm(formula = dat$Ran1 ~ dat$Pulse1 + dat$Pulse2, family = poisson)

Coefficients:
(Intercept)   dat$Pulse1   dat$Pulse2  
   -2.09795     -0.02745      0.02968  

Degrees of Freedom: 108 Total (i.e. Null);  106 Residual
Null Deviance:      79.37 
Residual Deviance: 37.21        AIC: 135.2

这是正确的吗？

【问题讨论】：

也许将脉搏率 2 预测为脉搏率 1 的函数加上脉率 1 与他们是否跑步的相互作用 - 例如。 (glm(Pulse2 ~ Pulse1+ Pulse1:Ran1, data=at, family = poisson))
@Marc in the box 如果我考虑这个模型，那么我的列联表会是什么样子？如何识别行列效应模型？

标签： r model-fitting

【解决方案1】：

在我看来，尝试根据他们是否跑步来预测脉搏率的变化会更有意义。
如果您真的确实想将 Ran 作为响应变量，它是 0/1，所以泊松计数不是显而易见的选择——二项式模型（逻辑回归）使更有意义。

【讨论】：