Utiliser glm dans R pour résoudre une équation simple

Question

J'ai des données provenant d'une distribution de poisson et j'ai une équation simple que je souhaite résoudre en utilisant glm.

L'équation mathématique est observée = y * attendu.

J'ai les données observées et attendues et je souhaite utiliser glm pour trouver la valeur optimale de y par laquelle je dois multiplier attendue pour être observée.Je souhaite également obtenir des intervalles de confiance pour y.

Dois-je faire quelque chose comme ça

glm(observed ~ expected + offset(log(expected)) + 0, family = 'poisson', data = dataDF)

Alors prendre l'exponentielle du coefficient ?J'ai essayé cela mais la valeur donnée est assez différente de ce que j'obtiens lorsque je divise la somme des observés par la somme des attendus, et j'ai pensé que celles-ci devraient être similaires.

Est-ce que je fais quelque chose de mal?

Merci

Answer 1

Essaye ça:

 logFac <- coef( glm(observed ~ offset(expected) , family = 'poisson', data = dataDF))
 Fac <- exp( logFac[1] )  # That's the intercept term

Ce modèle est vraiment : observed ~ 1 + offset(expected) et comme il est estimé sur une échelle logarithmique, l'interception devient ce facteur de conversion pour convertir entre « attendu » et « observé ».Les commentaires négatifs sont la preuve que vous devrait ont publié sur CrossValidated.com où les questions sur les méthodes de statistiques générales sont les bienvenues.