第6回 「データ解析のための統計モデリング入門」 読書会に参加してきた

以下メモ

• 第6回「データ解析のための統計モデリング入門」読書会 - connpass
• 第6回「データ解析のための統計モデリング入門」読書会 一番後ろの列は壁に面した机のない席のつもりで作りました、夏の座席表 - セキココ

第6章 「 GLMの応用範囲をひろげる」 前半

発表資料です。 #みどりぼん RE https://t.co/OcK2iI9YDG

— gepuro (@gepuro) 2014, 7月 29

• 前回まではポアソン分布（0回以上上限なしのカウントデータ）でモデルを作成
• 今回は二項分布で回帰（0回以上上限ありのカウントデータ）でモデルを作成
• glm()を使わなくてもoptim()などを使えば自力で推定できる
• Hackers Bar | ハッカーズバーで働いている

第6章 「 GLMの応用範囲をひろげる」 後半

あげました　http://t.co/WKQAHC7ecm　#みどりぼん

— 岡 (@0kayu) 2014, 7月 29

• 今年のJapan.Rは12/6
• 交互作用項を入れると組み合わせ爆発になるからオススメしない

皆さんがスルーした数え上げお姉さんはこちらです http://t.co/1U6lqTyA28 #みどりぼん

— アガペイ (@dichika) 2014, 7月 29

• 目的変数に割り算値を使うのはオススメしない
  • オフセット項を適切に利用すること
    • オフセットって切片項(β1とか)と思ってた・・・
• 目次がそのまままとめになっているという分かりやすい資料。見倣いたい。
  • セッション中に紹介されてた@tjo氏のブログ記事は以下かな
    • 「使い分け」ではなく「妥当かどうか」が大事：重回帰分析＆一般化線形モデル選択まわりの再まとめ - 銀座で働くデータサイエンティストのブログ

LT

まさかの大仏様によるLT2連発w

指数分布とポアソン分布のいけない関係 from tera monagi

• ポアソン分布も指数分布もパラメータはλだけ
  • ポアソン分布は回数
  • 指数分布は時間に着目

あるおっさんが記録し続けたデータを使えば人生一発逆転か？ from tera monagi

• トレンドのあるデータをそのまま回帰分析に使っちゃダメ
  • 詳しくは以下資料
    • http://www.slideshare.net/teramonagi/r-7066155

---

• 今までglm = ロジスティック回帰だったけど今回の内容でだいぶ幅が広がった気がする
• 去年、重回帰(lm)でやった分析、ポアソン回帰でやり直さないと…