ポアソン回帰ツール

ポアソン回帰ツールは、対象となっている負でない整数値 (0、1、2、3 など) のフィールド (ターゲット変数) と、そのターゲット変数に影響を与えると予想される (予測変数と呼ばれることもある) 1 つ以上のフィールドの関係性を表す回帰モデルを作成します。

一般的な使用ケースの例を挙げると、ある人が所定の月に特定のレストランに来店した回数、あるいは特定の携帯電話アカウントに関連付けられた電話番号の数といったものです。これらの使用ケースでは、線形モデルを使用すると偏りのある推定値が得られます。最も有名なモデルとして、ポアソン* と負の二項モデル** の 2 つがあります。ポアソンデータ回帰モデルでは、予測変数を 1 組与えると、予測フィールドを 1 組持つ観測ユニット (例えば、顧客) のイベント予測数 (例えば、店舗訪問回数) の推定値を得ることができます。

ポアソン回帰モデルは、ターゲットフィールドの平均値と分散値の間の関係についての（特にそれらが互いに等しいこと）を強く仮定します。これを説明するために、準ポアソンモデルが開発されています。疑似ポアソンモデルは、平均とは異なるが、情報基準尺度（AICなど）が定義されないことと引き換えに変数を許容するため、疑似ポアソンモデルをステップワイズ変数選択の出発点として使用することはできません。負の二項回帰モデルは、情報基準が明確に定義されており、基礎となる分布の平均と分散の差が許容されているため、通常は優先されます。平均および分散が互いに異なるデータを使用して推定されたポアソン回帰モデルは、互いとは異なる平均と分散が、平均および対応するモデル係数の不偏推定を提供する一方で、統計的有意性の検定には偏りがあることに注意する必要があります。

このツールでは、入力データが通常の Alteryx データストリームに由来する場合は、オープンソースの R glm 関数がモデル推定に使用されます。入力が XDF 入力ツール または XDF 出力ツール のいずれかに由来する場合は、Revo ScaleR rxGlm 関数がモデル推定に使用されます。Revo ScaleR ベースの関数を使用する利点は、より大きな (メモリ不足の) データセットを分析できることですが、XDF ファイルを作成するための追加のオーバーヘッドを犠牲にし、オープンソースの R 関数で利用可能なモデル診断出力の一部を作成できず、ポアソン回帰モデルしか生成できません。

このツールはRツールを使用します。オプション予測ツールのダウンロード に移動し、Alteryx ダウンロードとライセンス ポータルにサインインして、Rツール で使用されるパッケージと Rツールをインストールします。予測ツールのダウンロードと使用 を参照してください。