目的探索广义线性模型(generalized linear model,GLM)在Python软件中的实现方法,并比较其与其他常用统计软件在算法过程和结果方面的异同。方法分别利用Python软件statsmodles库中的GLM函数、Logit和Poisson函数,R软件GLM函数,SAS的PRO...目的探索广义线性模型(generalized linear model,GLM)在Python软件中的实现方法,并比较其与其他常用统计软件在算法过程和结果方面的异同。方法分别利用Python软件statsmodles库中的GLM函数、Logit和Poisson函数,R软件GLM函数,SAS的PROC GENMOD过程步,对二项分布和泊松分布的数据集进行分析,比较三种软件的算法过程和分析结果。结果三种软件构建GLM的逻辑相似,但在代码实现和模型拟合方法等方面稍有区别,各软件的结果基本相同。结论Python软件可采用不同的算法构建广义线性模型,并且能提供与其他主流统计软件相同的统计分析结论。展开更多
文摘目的探索广义线性模型(generalized linear model,GLM)在Python软件中的实现方法,并比较其与其他常用统计软件在算法过程和结果方面的异同。方法分别利用Python软件statsmodles库中的GLM函数、Logit和Poisson函数,R软件GLM函数,SAS的PROC GENMOD过程步,对二项分布和泊松分布的数据集进行分析,比较三种软件的算法过程和分析结果。结果三种软件构建GLM的逻辑相似,但在代码实现和模型拟合方法等方面稍有区别,各软件的结果基本相同。结论Python软件可采用不同的算法构建广义线性模型,并且能提供与其他主流统计软件相同的统计分析结论。
基金This work was supported by the National Natural Science Foundation of China(32271551)the Metasequoia funding of Nanjing Forestry University.Conflict of interest statement.The authors declare that they have no conflict of interest.