SPSS分析技术泊松分布模型今天的生

基础准备

前面推送了对数线性模型的内容，包括对数线性模型的理论基础、一般对数线性模型和分层对数线性模型，并使用具体的案例介绍如何使用SPSS进行对数线性模型：

数据分析技术：对数线性模型；一种从方差分析模型引申出来的分析方法

SPSS分析技术：对数线性模型应用；你知道工作姿势会影响受孕几率吗？

细心的朋友应该发现，在对数线性模型的菜单中，左下角有单元格计数分布的选择项，分为泊松分布和二项分布。前面介绍对数线性模型时，我们都根据实际情况估计单元格内的频数分布属于多项分布，而某些频数分布属于泊松分布。当选择泊松分布时，SPSS将进行泊松（poisson）回归模型分析。

多项分布和泊松分布

前面草堂君已经比较详细推送过统计基础的内容，并将这些内容按照顺序制作成统计基础导航页，大家可以直接从统计基础导航页内找到多项分布和泊松分布的基础内容介绍和案例分析讲解，大家可以点击下方的链接回顾：

统计基础知识（导航页）

泊松回归模型

通过前面泊松分布的回顾，大家应该已经了解到泊松分布属于离散型概率分布，描述单位时间（或空间）内随机事件发生的次数。生活中很多事情的发生频数都服从泊松分布，例如，机械设备出现的故障数，自然灾害发生的次数，一块产品上的缺陷数，显微镜下单位分区内的细菌分布数等等。这些现象有三个基本相同点：

事件发生的次数与位置无关，只与观察单位大小或观察时间长短有关；

每次事件的发生是相互独立的，也就是前面发生的事情不会影响到后面事情的发生；

事件发生概率低，也就是在充分小的观察单位上，事情发生的次数最多为1；

如果某个事件发生的次数服从正态分布，想要研究那些因素影响到该事件发生的频数，那么就可以采用泊松回归模型进行分析，泊松回归模型也可以称为泊松对数线性模型。假设某事件的发生次数服从泊松分布，现在有两个自变量，由这两个自变量组成的交叉单元格内的频数数据就是该事件的发生次数，那么可以建立模型：

前面提到过，服从泊松分布的事件，其发生次数只与观察单位的数量有关，因此，如果观察单位数不同，那么单元格内频数的数据也将发生变化。为了使单元格内频数数据在同样的观察单位基数下，上述模型变化为：

案例分析

生活是数据分析的来源，这也是草堂君做生活统计学







































治疗白癜风最新最佳最好的方法
北京中科白癜风医院爱心传递