포아송 회귀 하는 방법
- 카운트 반응 열과 예측변수 열(필요하면 노출량 열)을 머리글과 함께 복사합니다.
- 카운트 반응변수 Y와 예측변수를 고르고, 관측 기간·면적이 다르면 '노출량(Offset) 열 사용'을 체크해 노출량 열을 고릅니다.
- 분석하기를 누르고 IRR과 과산포 지표를 확인합니다.
예제 데이터로 보는 결과
예제 데이터는 검사 36건의 작업자 경력(년)·교대조(주간/야간)·검사 시간(h)과 발견된 결함 수입니다. 결함 수를 카운트 반응변수로, 경력을 숫자형, 교대조를 범주형 예측변수로, 검사 시간을 노출량(Offset)으로 씁니다.
경력의 발생률비(IRR)는 0.9173(95% CI 0.8723 ~ 0.9645, p=0.0007569)으로, 경력이 1년 늘 때마다 시간당 결함 수가 약 8% 줄어듭니다.
교대조는 야간을 기준으로 주간의 IRR이 0.7285(95% CI 0.5158 ~ 1.029)라 주간 결함이 약 27% 적어 보이지만 신뢰구간이 1을 포함해 유의하지는 않습니다(p=0.07219).
과산포 지표(Pearson χ²/df)=0.8314로 1에 가까워 포아송 가정에 무리가 없습니다. 실제·예측 건수 그래프에서 두 색 점이 대체로 가까이 붙어 있습니다.
계산 방법
statsmodels GLM(Poisson, 로그 연결, IRLS)으로 log(기대 건수) = b₀ + b₁X₁ + … (+ log 노출량)을 적합합니다. 발생률비(IRR) = exp(계수)이고 신뢰구간은 정규근사 구간을 지수변환한 값입니다.
과산포 지표 = Pearson χ² / 잔차 자유도이며 1.5보다 크면 과산포 가능성을 알려줍니다. 반응변수는 0 이상의 정수여야 합니다.
결과 화면 구성
계수·IRR, 적합도·과산포, 실제·예측 건수, IRR Forest Plot, 잔차 대 적합값(Pearson 잔차), 영향점 Plot(잔차 절댓값 상위 10개 강조)이 나옵니다.
포아송 회귀 결과 해석
- IRR이 1.2면 그 예측변수가 1 늘 때 기대 건수가 20% 늘고, 0.8이면 20% 줍니다. 범주형 항은 기준 수준 대비 비율입니다.
- 과산포 지표가 1보다 뚜렷이 크면 포아송 가정보다 분산이 커서 p-value가 실제보다 작게 나올 수 있습니다.
- 영향점 Plot의 빨간 막대가 모형이 잘 설명하지 못하는 관측치입니다.
자주 묻는 질문
노출량(Offset)은 언제 쓰나요?
관측 시간·면적·생산량이 행마다 달라 건수를 그대로 비교할 수 없을 때 씁니다. 노출량 열은 0보다 커야 합니다.
소수가 섞여 있으면요?
반응변수는 0 이상의 정수(건수)여야 하므로 입력 오류 안내가 나옵니다.
모형 전체 유의성은 어떻게 판정하나요?
계수들 중 가장 작은 p-value(절편 포함)로 판정 문장을 만듭니다.