Poisson回归模型的伪R平方测量：基于实际与预测数据评估模型拟合度- MATLAB开发

简介：
本项目利用MATLAB实现对Poisson回归模型的拟合效果进行评价，通过计算伪R平方值来对比实际观测数据和模型预测数据之间的吻合程度。 函数 pR2 = 伪 R2（真实数据，估计数据，拉姆达） 根据文献[1]第255页的第一个方程，该函数用于从实际观测值和模型预测值计算泊松回归模型的拟合优度指标——伪 R 平方 (pR2)。伪 R 平方的概念由文献[3]提出，并在后续研究中得到进一步发展（见文献[1, 2]），这些工作还针对具有过度分散或欠分散特性的泊松回归模型提出了调整后的 pR2 度量。 通常，泊松回归被用于对计数数据进行建模，尤其是对于尖峰分布的数据。伪 R 平方值可以理解为因引入额外的协变量而减少偏差的比例。在预测尖峰计数时，文献[4, 5, 6, 8]中也使用了该度量作为评估模型拟合优度的标准。 输入参数包括： - 真实数据：因变量的实际观察值（1xN 值）； - 估计数据：通过回归模型预测得到的估计值（1xN 值）； - lambda：真实数据的平均值（1x1 值）。