Для аналізу використовується регресія Пуассона
(наприклад, кількість алкогольних напоїв на тиждень; кількість арештів на рік). Регресія Пуассона використовується для відповіді на такі питання, як які фактори можуть передбачити частоту події.
Ми можемо інтерпретувати коефіцієнт регресії Пуассона таким чином: для зміни змінної предиктора на одну одиницю очікується, що різниця в журналах очікуваних підрахунків зміниться на відповідний коефіцієнт регресії, враховуючи, що інші змінні предиктора в моделі залишаються постійними.
Розподіл Пуассона — це дискретний розподіл ймовірностей. Це дає ймовірність того, що подія відбудеться певну кількість разів (k) протягом заданого інтервалу часу або простору. Розподіл Пуассона має лише один параметр, λ (лямбда), який є середнім числом подій.
У статистиці регресія Пуассона — це узагальнена лінійна модель регресійного аналізу, яка використовується для дані підрахунку моделі та таблиці непередбачуваності.
Переваги регресійної моделі Пуассона Модель Пуассона долає деякі проблеми звичайної моделі. По-перше, модель Пуассона має мінімальне значення 0. Вона не передбачає від’ємних значень. Це робить його ідеальним для розподілу, в якому середнє або найбільш типове значення близьке до 0.
Регресія Пуассона використовується для аналізу даних підрахунку (наприклад, кількість напоїв на тиждень; кількість арештів на рік). Регресія Пуассона використовується для відповіді на запитання, наприклад, які фактори можна передбачити частота події.