Фитинги пуассоновской лог-линейной модели

Question

Я рассмотрел таблицу 2 на 2, и данные о частоте пульса у учеников до и после бега. Я рассмотрел Ран (Да / Нет) против PulseBefore и PulseAfter и составил таблицу непредвиденных обстоятельств. Я установил линейную модель пуассоновского каротажа и получил такой результат.

inde<-glm(dat$Ran1~dat$Pulse1+dat$Pulse2,family=poisson)
inde

Call:  glm(formula = dat$Ran1 ~ dat$Pulse1 + dat$Pulse2, family = poisson)

Coefficients:
(Intercept)   dat$Pulse1   dat$Pulse2  
   -2.09795     -0.02745      0.02968  

Degrees of Freedom: 108 Total (i.e. Null);  106 Residual
Null Deviance:      79.37 
Residual Deviance: 37.21        AIC: 135.2

Это правильно?

Answer 1

1. Мне кажется, что было бы более разумно попытаться предсказать изменение частоты пульса, независимо от того, запускались они или нет.

2. Если вы действительно хотите рассматривать Ran как переменную ответа, то это 0/1, поэтому число Пуассона не будет очевидным выбором - биномиальная модель (логистическая регрессия) имеет больше смысла.