Poisson回归结果解读：事件率与发生率比的估计.docxVIP

Poisson回归结果解读

Poisson回归是一种用于研究计数型因变量（非负整数）与自变量之间关系的广义线性模型。该模型假定因变量服从Poisson分布，通过log链接函数建立线性回归方程，适用于单位时间内事件发生次数等计数数据的分析。本研究使用SPSSAU软件，以等待时长、满意度逆向、服务复杂度、月服务人次、高峰期压力5项指标为自变量，以月投诉次数为因变量，对280例样本数据进行Poisson回归分析。

在SPSSAU【实验/医学研究】模块选择【Poisson回归】，将变量拖拽至右侧对应分析框，操作如下图：

一、模型整体有效性检验

由表1可知，模型似然比检验的卡方值为277.179（df=5，p=0.0000.01），表明拒绝原假设，即纳入的5个自变量（等待时长、满意度逆向、服务复杂度、月服务人次、高峰期压力）对模型具有显著贡献，模型整体构建有意义。McFaddenR2=0.246，意味着自变量可以解释月投诉次数24.6%的变异。AIC值为859.449，BIC值为881.258，可用于后续模型对比。

二、回归系数分析

由表2可知，Poisson回归模型公式为：log(u)=0.266+0.587×等待时长+0.383×满意度逆向-0.166×服务复杂度+0.297×月服务人次+0.053×高峰期压力（其中u代表期望均数）。

逐一分析各自变量的影响效应：（1）等待时长的回归系