目录

前言

 知识储备

常见回归方法

一、 回归分析方法概述

二、 分类

1.应用领域分类

（1）通用型

（2）统计学角度

（3）计量角度

（4）社科学角度

（5）医学角度

（6）数学建模

（7）专业型

Poisson回归和负二项回归 

1.前提条件

2.分析流程图

3.案例分析

算法原理

什么是泊松回归

判断是否符合Poisson分布的方法

案例应用

 Poisson回归的拓展变形

基数调整

 过度离散

 零膨胀

stata—泊松回归

应用场景

实施步骤

优缺点

优点：

缺点：

代码实现

python

 R语言

MATLAB

---

 

前言

Poisson模型(泊松回归模型)是用于描述单位时间、单位面积或者单位容积内某事件发现的频数分布情况， 通常用于描述稀有事件（即小概率）事件发生数的分布。

 通常情况下，满足以下三个条件时，可认为数据满足Poisson分布：

• (1) 平稳性：发生频数的大小，只与单位大小有关系（比如1万为单位，或者100万为单位时患癌症人数不同）；
• (2) 独立性：发生频数的大小，各个数之间没有影响关系，即频数数值彼此独立没有关联关系； 比如前1小时闯红灯的人多了，第2小时闯红灯人数并不会受影响；
• (3) 普通性：发生频数足够小，即低概率性。

如果数据符合这类特征时，而又想研究X对于Y的影响（Y呈现出Poisson分布）； 此时则需要使用Poisson回归，而不是使用常规的线性回归等。

 知识储备

常见回归方法