标签：降雨量 16 回归 用泊松 2e GAM Poisson ... 模型

原文链接：http://tecdat.cn/?p=18550 

 

我根据泊松Poisson回归、GAM样条曲线模型对一个十字路口的骑自行车者的数量进行预测，

str(base)
'data.frame':	214 obs. 
 $ 日期    : chr  "1-Apr" "2-Apr" "3-Apr7" "4-Apr" ...
 $ 最高温度  : num  46 62.1 63 51.1 63 48.9 48 55.9 66 73.9 ...
 $ 最低温度   : num  37 41 50 46 46 41 43 39.9 45 55 ...
 $ 降雨量  : num  0 0 0.03 1.18 0 0.73 0.01 0 0 0 ...
 $ 数量: int  606 2021 2470 723 2807 461 1222 1674 2375 3324 ...
 $ 温差  : num  9 21.1 13 5.1 17 7.9 5 16 21 18.9 ......

使用Poisson回归预测周日、周一有多少骑自行车的人，天气情况是温度85F-70F没有下雨。我们创建一个预测数据框。

newbase = data.frame(DAY=as.factor(
 最高温度=c(85,85),最低温度=c(70,70,
 降雨量=c(0,0))

让我们创建一个包含所有解释变量的模型。

我们还添加一个虚拟变量来指示不下雨的日子，

summary(reg) 
 
Coefficients:
                     Estimate Std. Error z value Pr(|z|)    
(Intercept)         6.8844970  0.0110463 623.241   2e-16 ***
最高温度              0.0210950  0.0003133  67.328   2e-16 ***
最低温度              -0.0114006  0.0003351 -34.024   2e-16 ***
降雨量            -0.6570450  0.0071899 -91.384   2e-16 ***
I(降雨量 == 0)TRUE  0.1303908  0.0033283  39.176   2e-16 ***

---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 
(Dispersion parameter for poisson family taken to be 1)
 
    Null deviance: 70021  on 213  degrees of freedom
Residual deviance: 26493  on 203  degrees of freedom
AIC: 28580
 
Number of Fisher Scoring iterations: 4

所以变量似乎都显著。如果我们要检查非线性效应，可以将样条曲线放在所有连续变量上

gam(数量~bs(最高温度)+bs(最低温度)+bs(降雨量)+I(降雨量==0),poisson

 

最高温度或最低温度

以及下面的降雨量曲线，最大观测值（3）与之前观测值（1.8）之间的线性平滑

 

我们还可以回归最小温度，以及最大和最小温度之间的温差（在线性模型中，模型是等效的，但是通过非线性变换，可以更简单地给出差异）

 

现在，我们可以比较这四个模型及其预测。例如，对于线性模型（虚拟变量表示没有下雨），

 predict(reg,newdata=newbase,type="response se.fit=TRUE

对于星期一，我们获得λ的95％置信区间

P$fit[1]+c(-2,2)*P$se.fit[1]
[1] 3349.842 3401.395

对于星期日，95％置信区间为

[1] 2987.497 3033.861

我们可以可视化四个模型的置信区间

 

而周日，我们有

 

换句话说，通过更改模型，我们对预测的置信区间进行了更改（有时区间完全不相交）。

---

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标

 

标签：降雨量,16,回归,用泊松,2e,GAM,Poisson,...,模型
来源： https://blog.51cto.com/u_15198753/2770023

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。