数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟-1

简介: 数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟

原文链接:http://tecdat.cn/?p=26301

线性模型是统计学的基础,但它的意义远不止用尺子在几个点上画一条线。

我认为以分布为中心的观点使 generalised linear models (GLM) 也更容易理解。这就是这篇文章的目的。

我将使用冰淇淋销售统计数据查看文末了解数据获取方式来说明不同的模型,从传统的线性最小二乘回归开始,到线性模型、对数变换线性模型,然后是广义线性模型,即泊松(log ) GLM 和二项式(逻辑)GLM。


数据

这是我将使用的示例数据集。它显示了在不同温度下销售的冰淇淋单位。正如预期的那样,更多的冰淇淋在更高的温度下出售。

basicPlot()

image.png

挑战

我想创建一个模型来预测在任何温度下销售的单位,即使在可用数据范围之外。

我特别感兴趣的是,当室外结冰时,我的模型在更极端的情况下会如何表现,比如温度下降到 0ºC 并且预测一个非常炎热的夏日在 35ºC。

线性最小二乘

我的第一种方法是用尺子在这些点上画一条直线,这样可以最大限度地减少点和线之间的平均距离。这基本上是一条线性最小二乘回归线:

lqd <- lsfit
abline

image.png

这很容易,而且看起来并非不合理。

线性回归

我相信观测值 yi 是从具有平均 μi 的正态(又名高斯)分布中得出的,这取决于温度 xi 和所有温度下的恒定方差 σ2。

在另一天,在相同温度下,我可能售出了不同数量的冰淇淋,但在相同温度下的许多天里,售出的冰淇淋的平均单位将趋向于 μi。

因此,使用以分布为中心的符号,我的模型如下所示:

image.png

或者,残差,即观察值和预测值之间的差异,遵循均值为 0 且方差为 σ2 的高斯分布:

image.png

此外,方程

image.png

我认为 yi 的期望值与基础分布的参数 μi 相同,而方差是恒定的。

以经典误差术语约定编写的相同模型如下所示:

image.png

我认为以概率分布为中心的约定更清楚地表明我的观察只是分布的一种实现。此外,它强调分布的参数是线性建模的。

为了在 R 中明确建模,我使用 glm 函数,将因变量分布指定为高斯分布,并将从分布的预期值到其参数的链接函数指定为恒等式。

这就是 GLM 全部内容。

image.png

尽管线性模型在观察到的温度范围内看起来不错,但在 0ºC 时没有多大意义。

截距为 -159,这意味着客户在冰冻天平均买 159 个单位的冰淇淋。

对数变换的线性回归

我可以先转换数据。理想情况下,我想确保转换后的数据只有正值。在这些情况下,我想到的第一个转换是对数。

因此,让我们以对数尺度对冰淇淋销售进行建模。因此,我的模型更改为:

image.png

这个模型意味着我相信销售额服从对数正态分布,yi∼log⁡N(μi,σ2),这意味着我认为较高的销售数字比较低的销售数字更有可能,因为对数正态分布是右偏的。

尽管模型在对数尺度上仍然是线性的,但我必须记住将预测转换回原始尺度(记住 E[log⁡(yi)]≠log⁡(E[yi])):

image.png

display(logn.mod)

image.png

Plot()
lines
legend

image.png


该图看起来比之前的线性模型好一点,它预测我在 0ºC 时平均会卖出 82 个冰淇淋:

exp(coef(lo.i.d)\[1\])

image.png

虽然这个模型更有意义,但似乎高估了在越来越低的温度下销售。

此外,这个模型和之前的线性模型还有另一个问题。

假设的模型分布生成实数,但我的销售统计数据是单位,因此总是整数。尽管售出的平均单位数量可能是实数,但从模型分布中抽取的任何数据都应该是整数。


数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟-2


相关文章
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
8天前
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
27 3
|
2月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
6月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
6月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
R语言在数据科学中的应用实例:探索与预测分析
【8月更文挑战第31天】通过上述实例,我们展示了R语言在数据科学中的强大应用。从数据准备、探索、预处理到建模与预测,R语言提供了完整的解决方案和丰富的工具集。当然,数据科学远不止于此,随着技术的不断发展和业务需求的不断变化,我们需要不断学习和探索新的方法和工具,以更好地应对挑战,挖掘数据的潜在价值。 未来,随着大数据和人工智能技术的普及,R语言在数据科学领域的应用将更加广泛和深入。我们期待看到更多创新的应用实例,为各行各业的发展注入新的动力。
|
3月前
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
3月前
|
资源调度 数据挖掘
R语言回归分析:线性回归模型的构建与评估
【8月更文挑战第31天】线性回归模型是统计分析中一种重要且实用的工具,能够帮助我们理解和预测自变量与因变量之间的线性关系。在R语言中,我们可以轻松地构建和评估线性回归模型,从而对数据背后的关系进行深入的探索和分析。
|
3月前
|
机器学习/深度学习 数据采集
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证
上述介绍仅为简要概述,每个模型在实施时都需要仔细调整与优化。为了实现高度精确的预测,模型选择与调参是至关重要的步骤,并且交叉验证是提升模型稳健性的有效途径。在真实世界的房价预测问题中,可能还需要结合地域经济、市场趋势等宏观因素进行综合分析。
67 3
|
6月前
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)