作者marki (marki)
看板Statistics
標題Poisson offset問題
時間Tue Jun 9 11:03:20 2020
應該是近期的最後一題 @@
https://sites.google.com/site/rlearningsite/catagory/poisson
網頁的最後倒數第二個部分 5.Poisson迴歸應用於比例資料
裡面有提到如果是要計算比例資料 要設offset
我的問題是為什麼不能直接先算出每一年的cancer占死亡人口的比率
再把這個比率放到應變數跑就好呢？
我試著這樣子跑 會有些許的差異 不清楚為什麼？
我的R code如下：
> death=read.csv("/Users/chihchiachen/Downloads/Death.csv")
> Year_re<-c(24,23,22,21,20,19,18,17,16,15,14,13,12,11,10,9,8,7,6,5,4,3,2,1,0)
> death_cb<-cbind(death, cbind(Year_re))
> deathc=death_cb$Cancer/death_cb$Death #deathc就是cancer占死亡人口的比例
> death_cb<-cbind(death_cb, cbind(deathc))
> glm(formula = deathc ~ Year_re, family = poisson(link = log),
data = death_cb)
結果：
(Intercept) Year_re
-1.7488 0.0229
跟網頁上的資料
Intercept 的coef是0.022461 Inctercept是-1.742616有些許的差異
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.116.253.37 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Statistics/M.1591671802.A.C5D.html
1F：→ andrew43: offset也不單純是處理比例資料；「暴露量」意思比較接近 06/09 14:11
2F：→ andrew43: 例如事件發生次數的觀測時間、面積、人口密度…… 06/09 14:12
3F：推 andrew43: 結果也不能直接互比，意義完全不同。 06/09 14:18
4F：→ marki: 所以是只要是比例資料。理論上我就是要用offset 嗎？ 06/09 14:27
5F：→ andrew43: 而且poisson reg怎麼可能接受非負整數之外的應變數？ 06/09 14:28
6F：→ andrew43: sorry我以為你改做成linear model。你要這麼做的話，可 06/09 14:35
7F：→ andrew43: 採用quasipoisson，若次數很大則結果應該會很接近。 06/09 14:40
8F：推 andrew43: 回到你的問題，offset的作用是調整暴露量使比較次數公 06/09 16:25
9F：→ andrew43: 平。你所謂的 ”比例資料“ 的話可以視潛在事件發生的 06/09 16:25
10F：→ andrew43: 所有對象數量為offset。 06/09 16:25
11F：→ yhliu: 關鍵是要做 Poisson regression 還是忽略 Poisson 變量特性 06/10 10:25
12F：→ yhliu: 直接用 rate 去 fit model 已經脫離 Poisson model 的假設. 06/10 10:27
13F：推 collin810: Poisson是用count data喔 06/14 22:03