পইসন রিগ্রেশন-এ কখন অফসেট ব্যবহার করবেন?

Question

কেউ কি জানেন যে পইসন রিগ্রেশনটিতে অফসেট ব্যবহার করা হয় কেন? এর মাধ্যমে আপনি কী অর্জন করবেন?

Answer 1

এখানে আবেদনের উদাহরণ দেওয়া হল।

Poisson রিগ্রেশন সাধারণত গণনা ডেটা মডেল করতে ব্যবহৃত হয়। তবে, কখনও কখনও এটি গণনাগুলির পরিবর্তে মডেল হারগুলির সাথে বেশি প্রাসঙ্গিক। এটি প্রাসঙ্গিক যখন উদাহরণস্বরূপ, ব্যক্তিরা একই পরিমাণের সময় অনুসরণ না করে। উদাহরণস্বরূপ, 1 বছরের বেশি ছয় ক্ষেত্রে 10 বছরেরও বেশি ছয় মামলার সমতুল্য হওয়া উচিত নয়। সুতরাং, পরিবর্তে থাকার

$\log \mu_x = \beta_0 + \beta_1 x$

(যেখানে সঙ্গে covariate তাদের জন্য প্রত্যাশিত গণনা হয় ), আপনি$\mu_x$$x$

$\log \tfrac{\mu_x}{t_x} = \beta'_0 + \beta'_1 x$

(যেখানে সঙ্গে covariate তাদের জন্য এক্সপোজার সময় )। এখন, শেষ সমীকরণটি আবারও লেখা যেতে পারে$t_x$$x$

$\log \mu_x = \log t_x + \beta'_0 + \beta'_1 x$

এবং অফসেটের ভূমিকা পালন করে।$\log t_x$

Comments

আরে অনেক ধন্যবাদ! আপনি কি বিভিন্ন সময়ের তুলনায় গণনা তুলনা করার সময় এটি কী সঠিকভাবে বুঝতে পেরেছি যে অফসেট ব্যবহার করা প্রয়োজনীয়?

— মার্কডোলার

@ মার্কডোলার: হ্যাঁ!

— ocram

আপনি হারগুলি মডেল করার সময় আপনার দ্বারা ওজন করা উচিত । আরও সাধারণভাবে, আপনি অফসেটগুলি ব্যবহার করেন কারণ পর্যবেক্ষণের ইউনিটগুলি কিছু মাত্রায় পৃথক (বিভিন্ন জনসংখ্যা, বিভিন্ন ভৌগলিক আকার) এবং ফলাফল সেই মাত্রার সাথে সমানুপাতিক। $t_x$

— দিমিত্রি ভি। মাস্টারভ

@ocram। আমি মনে করি আপনার একটি সুন্দর উত্তর এবং আমি ভাবছিলাম, আপনি (বা অন্য কেউ) সাহিত্যের একটি রেফারেন্স জানেন যেখানে বিষয়টি এখানে যেমন বর্ণনা করা হয়েছে তেমন ব্যাখ্যা করা হয়েছে? অগ্রিম ধন্যবাদ

— jmjr

@ ক্রম এবং বলতে কী ? প্রতিটি জন্য প্রতিক্রিয়া পরিবর্তনশীল কি ? $x$$t_x$$x_i$

— মেট্রিয়েট