poisson回归拟合度问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

        我做出了poisson回归模型到拟合度的检验这里，SAS的计算过程不给出P值，需要自己查表，请问我查卡方表的时候要查VALUE,还是查value/df呢？                        

                                            Criteria For Assessing Goodness Of Fit

                                 Criterion                       DF           Value            Value/DF
                                 Deviance                        2          5.9023          2.9511
                                 Scaled Deviance             2          5.9023          2.9511
                                 Pearson Chi-Square        2          6.4180          3.2090
                                 Scaled Pearson X2          2          6.4180          3.2090
                                 Log Likelihood                             838.6918

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Poisson回归 poisson son Iss 拟合度 模型

（1）用Value计算卡方值；
（2）Value/DF是用来直观判断模型的拟合度，它的值越接近1越好。Deviance可以认为是拟合模型与饱和模型相比，Pearson 可以看成是观测与预测相比，在两者相近的情况下Value/DF的值才约等于1。
用SAS的函数可以求出卡方值：
data m;
x=1-probchi(5.9023,2);
put x;
run;
日志里得出结果：0.052279549

就喜欢马 发表于 2015-5-13 13:56
（1）用Value计算卡方值；
（2）Value/DF是用来直观判断模型的拟合度，它的值越接近1越好。Deviance可以认 ...

谢谢，明白了，那么请问poisson回归模型中是不是还可以计算RR值

就喜欢马 发表于 2015-5-13 13:56
（1）用Value计算卡方值；
（2）Value/DF是用来直观判断模型的拟合度，它的值越接近1越好。Deviance可以认 ...

请问你当时用poisson回归画图了吗

llkknnllyytt 发表于 2015-5-13 16:05
谢谢，明白了，那么请问poisson回归模型中是不是还可以计算RR值

（1）可以。比如
proc genmod data=m;
class age ; /*假设年龄已分4组*/
model y=age / offset=log dist=poisson link=log;
estimate 'age' age -1 1 0 0/exp;/*以第1组为参照，计算第2组相对第一组的RR*/
estimate 'age' age -1 0 1 0/exp;/*以第1组为参照，计算第3组相对第一组的RR*/
estimate 'age' age -1 1 0 1/exp;/*以第1组为参照，计算第4组相对第一组的RR*/
run;
（2）没画过poisson图，帮不了你

就喜欢马 发表于 2015-5-14 14:46
（1）可以。比如
proc genmod data=m;
class age ; /*假设年龄已分4组*/

我想请问下这个程序对不对
data example1;
input hp path c n @@;
ln=log(n);
cards;
0 1 1 981
0 2 5 230
0 3 6 97
1 1 6 1010
1 2 20 604
1 3 21 287
;
proc genmod;
class hp path;
model c=hp path/dist=poisson
link=log offset=ln type1 type3;
run;


class那里是用hp 和path这两个因素吗，还是只写一个hp因素？这里hp代表的是年龄，path代表的是时间因素的影响

llkknnllyytt 发表于 2015-5-14 15:25
我想请问下这个程序对不对
data example1;
input hp path c n @@;

两个都写

就喜欢马 发表于 2015-5-14 23:25
两个都写

你好，我根据你的程序算不出RR值，能不能就我的程序给编一下。还有请问你得出的是预测率吗？预测的率是哪个变量，是estimate吗？

就喜欢马 发表于 2015-5-14 23:25
两个都写

最大似然参数估计值的分析
参数               自由度   估计值      标准误差     Wald 95% 置信限        Wald            卡方 Pr > 卡方
Intercept             1    -3.6453       0.5990     -4.8193 -2.4714            37.04                     <.0001
hp            1        1    -0.6028       0.3513     -1.2914 0.0858             2.94                          0.0862
hp            2        1    -1.0021       0.3537     -1.6954 -0.3088             8.02                        0.0046
hp            3       1    -1.4095       0.3833      -2.1608 -0.6582             13.52                       0.0002
hp            4       1    -0.5991       0.4025     -1.3881 0.1898              2.22                            0.1367
hp            5        0    0.0000        0.0000     0.0000 0.0000 . .
path          1        1    3.8995        0.5428     2.8356 4.9633             51.61                         <.0001
path           2        1   3.0110        0.5236     1.9848 4.0371            33.07                         <.0001
path           3        1   2.6790        0.5220     1.6558 3.7022             26.34                           <.0001
path           4        1   2.2589        0.5858      1.1106 3.4071            14.87                          0.0001
path           5        1   0.0502         0.6175     -1.1600 1.2604            0.01                          0.9352
帮忙解释下这几个参数的意思呗，比如估计值是什么的估计值？还有最终公式里面的参数是不是还得运行别的命令才能出来？比如β？

llkknnllyytt 发表于 2015-5-16 23:04
最大似然参数估计值的分析
参数               自由度   估计值      标准误差     Wald 95% 置信限    ...

data example1;
input hp path c n @@;
ln=log(n);
cards;
0 1 1 981
0 2 5 230
0 3 6 97
1 1 6 1010
1 2 20 604
1 3 21 287
;
proc genmod;
class hp(param=ref ref=first) path(param=ref ref=first);
model c=hp path/dist=poisson link=log offset=ln type1 type3;
output out=fit  pred=fitmean l=lowerci u=upperci resraw=r;/*数据集中变量fitmean为预测数，在通过对数转换后除以n就可以得                                                                                             到率*/
estimate 'hp' hp -1 1 /exp;/*得到hp=1比hp=0增加的风险倍数*/
estimate 'path' path -1 1 0 /exp;/*得到path=2比path=1增加的风险倍数*/
estimate 'path' path -1 0 1/exp;/*得到path=3比path=1增加的风险倍数*/
run;
/*估计值是最后拟合的回归方程log(c)=log(n)+(-3.6453+(-0.6028)hp1+(-1.0021))hp2+...的每个自变量的系数，系数再经过转换得到OR值*/