Poisson Regresyonu: Sayım Verilerini Modellemenin Bir Yolu

Olayları saymaya dayalı verileri analiz ederken — örneğin günde kaç müşteri şikayeti, ayda kaç hastane kabulü veya saatte kaç web sitesi tıklaması — sıradan doğrusal regresyon çoğu zaman yanıltıcı sonuçlar üretir. Sayım verilerinin, özel modelleme yaklaşımları gerektiren kendine has özellikleri vardır.

Poisson regresyonu, özellikle sayım verileri için tasarlanmış istatistiksel bir yöntem sunar. Negatif değerler öngörebilen doğrusal regresyonun aksine, Poisson regresyonu tahminlerin negatif olmayan tamsayılar olarak kalmasını sağlar. Bu da sayımın karar vermenin merkezinde olduğu her alanda onu özellikle değerli kılar.

Regresyon analizine yeni başlıyorsanız, bu eğitime ihtiyaç duyacağınız temel kavramları sunan R ile Regresyona Giriş kursumuza göz atın. Regresyon tekniklerinin daha geniş ailesini keşfetmeye hazırsanız, Poisson regresyonunu da içeren istatistiksel çerçeveyi kapsamlı şekilde ele alan R'de Genelleştirilmiş Doğrusal Modeller kursu size uygundur.

Sayım Verilerini ve Zorluklarını Anlamak

Sayım verilerini özel kılan nedir

Sayım verileri, belirli bir zaman dilimi veya mekân içinde bir şeyin kaç kez gerçekleştiğini ifade eder. Örneğin poliçe başına yılda kaç sigorta talebi yapıldığı veya bir kavşakta ayda kaç trafik kazasının olduğu gibi.

Sayım verilerinin, sıradan doğrusal regresyonu uygunsuz kılan birkaç ayırt edici özelliği vardır:

• Yalnızca negatif olmayan tamsayılar: Sayımlar ne negatif olabilir ne de kesirli. 
• Sağa çarpık dağılım: Çoğu sayım veri setinde birçok düşük değer ve ara sıra görülen yüksek değerler vardır; bu da karakteristik bir sağ kuyruk oluşturur.
• Varyans ortalama ile artar: Ortalama sayımlar yükseldikçe, değişkenlik de tipik olarak artar. 

Neden doğrusal regresyon başarısız olur

Ürün karmaşıklığı ve müşteri memnuniyeti puanları gibi faktörlere dayanarak müşteri şikâyetlerinin sayısını tahmin etmeyi düşünün. Doğrusal regresyon bunu herhangi bir sürekli sonuç gibi ele alır ve -1,5 şikâyet veya 14,7 şikâyet gibi imkânsız değerleri tahmin edebilir.

Daha da sorunlusu, doğrusal regresyon tüm tahmin seviyelerinde sabit varyans varsayar. Gerçekte, daha yüksek tahmin edilen şikâyet sayılarının olduğu haftalar, düşük sayılı haftalara göre muhtemelen daha fazla değişkenlik gösterecektir. Bu desen, heteroskedastisite olarak adlandırılır ve güvenilir olmayan güven aralıklarına ve hipotez testlerine yol açar.

Poisson dağılımı temeli

Poisson regresyonu, Poisson olasılık dağılımı üzerine inşa edilir ve doğal olarak sayım verilerini tanımlar. Poisson dağılımının, hem ortalamayı hem de sayımın varyansını temsil eden tek bir parametresi (lambda) vardır. Eşit ortalama-varyans özelliği olan bu durum, eş-dağılım (equidispersion) olarak adlandırılır ve pratikte doğrulamamız gereken temel bir varsayımdır.

Dağılım, “nadir” olayları modellemede üstündür — mutlaka seyrek olmayan, fakat her bir gerçekleşmenin bağımsız olduğu ve benzer koşullar altında oranın nispeten sabit kaldığı olaylar.

Poisson Regresyonunu Ne Zaman Kullanmalı

Önce Poisson regresyonunun iyi çalıştığı ideal koşullardan bahsedelim. Ardından gerçek uygulamalara geçebiliriz. 

İdeal senaryolar

Poisson regresyonu, verileriniz birkaç koşulu sağladığında en iyi sonucu verir:

• Bağımsız olaylar: Her gerçekleşme diğerlerini etkilemez. Bir sigorta talebi, bir diğerini (dolandırıcılık desenleri olmadığı varsayımıyla) daha olası ya da daha az olası kılmaz.
• Sabit oran: Benzer koşullar altında olayların ortalama oranı stabildir. Acil servis ziyaretleri haftanın gününe göre değişebilir, ancak benzer aylardaki salı günleri tutarlı desenler göstermelidir.
• Uygun zaman veya mekân çerçevesi: Olaylar açıkça tanımlanmış dönemler veya alanlar boyunca sayılır. "Ay başına şikâyet" ifadesi, "bazı günler günlük, bazıları haftalık sayılan şikâyetler"e göre daha iyidir.
• Bariz aşırı sıfırlar yok: Bazı sıfırlar beklenir, ancak veriniz Poisson dağılımının öngördüğünden çok daha fazla sıfır içeriyorsa, özel sıfır-aşırı (zero-inflated) modellere ihtiyaç duyabilirsiniz.

Yaygın uygulamalar

Sağlık ve epidemiyolojide araştırmacılar, nüfusa göre ayarlama yaparak bölgeler veya zaman dilimleri boyunca hastalık vakalarını takip eder. Örneğin, aşılama oranlarının 100.000 kişi başına enfeksiyonları nasıl etkilediğini inceleyebilirler.

İş ve pazarlamada ekipler, satın alma sıklığı, destek talepleri veya etkileşim gibi müşteri davranışlarını inceler. E-ticaret şirketleri sıklıkla günlük siparişleri pazarlama harcaması, mevsimsellik ve promosyonlara göre modelleyebilir.

Ya da Poisson regresyonuyla sıkça anılan yaygın bir örnek: Üretim ekipleri, kalite sorunlarını erken yakalamak ve süreçleri iyileştirmek için parti büyüklüğüne veya denetim dönemine göre kusur oranlarını izler.

Model Yapısını ve Varsayımlarını Anlamak

Log-bağlantı ilişkisi

Poisson regresyonu sayımları doğrudan modellemez. Bunun yerine, beklenen sayımın logaritmasını yordayıcıların doğrusal bir birleşimi olarak modeller.

Bu logaritmik dönüşüm, tahminlerin pozitif kalmasını sağlar. Özellikle, log-bağlantı fonksiyonu beklenen sayımı log ölçeğine dönüştürerek model tahminlerinin ortalama sayım için kesinlikle pozitif kalmasını güvence altına alır. Dönüşümü tersine çevirdiğimizde (üs alarak) şu ifadeyi elde ederiz:

Bu yapı, yordayıcılardaki değişimlerin beklenen sayım üzerinde çarpımsal etkilere sahip olduğu anlamına gelir. 

Çarpımsal etkileri yorumlamak

Doğrusal regresyonda bir yordayıcıyı bir birim artırmak, sonuca sabit bir miktar ekler. Poisson regresyonunda ise bir yordayıcıyı bir birim artırmak, beklenen sayımı sabit bir katsayıyla çarpar.

Örneğin, "pazarlama harcaması" katsayısı 0,1 ise, pazarlamaya harcanan her ek dolar beklenen müşteri sayısını e^0,1 ≈ 1,105 ile çarpar; bu da yaklaşık %10,5'lik bir artışı ifade eder.

Daha karmaşık görünse de, bu özellik iş uygulamaları için sezgisel olabilir; çünkü çoğu zaman yüzde değişimleri ve göreli etkiler üzerinden düşünürüz.

Doğrulanması gereken temel varsayımlar

Her modelde olduğu gibi dikkat etmemiz gereken bazı varsayımlar vardır: 

• Bağımsızlık: Gözlemler birbirini etkilememelidir. Günlük sayımları zaman içinde analiz ediyorsanız, güçlü zamansal desenler daha sofistike modellemeyi gerektiren bir bağımlılığa işaret edebilir.
• Eş-dağılım: Varyans yaklaşık olarak ortalamaya eşit olmalıdır. Veriniz için bu oranı hesaplayın — 1'den çok büyük değerler, ele alınması gereken aşırı yayılımı (overdispersion) işaret eder.
• Doğru fonksiyonel biçim: Yordayıcılar ile log-sayım arasındaki ilişki kabaca doğrusal olmalıdır. Doğrusal olmayan ilişkiler polinom terimler veya dönüşümler gerektirebilir.
• Ciddi aykırı değerler yok: Aşırı sayım değerleri sonuçları orantısız şekilde etkileyebilir. Aykırı değerlerin veri hatalarını mı yoksa gerçek aşırı olayları mı temsil ettiğini araştırın.

Maruziyet ve Offset'lerle Çalışmak

Maruziyet değişkenlerini anlamak

Birçok sayım veri seti, farklı zaman dönemleri, nüfus büyüklükleri veya gözlem yoğunlukları gibi değişen maruziyet seviyelerini içerir. Örneğin şehirler arasındaki kaza sayımlarını karşılaştırırken nüfus farklarını hesaba katmak ya da aylık satış rakamlarını karşılaştırırken bazı ayların gün sayısının farklı olduğunu belirtmek gerekir.

Maruziyet değişkenleri, sayımları karşılaştırılabilir kılan "payda"yı temsil eder. Uygun düzeltme olmadan, daha büyük şehirler doğrudan daha fazla kazaya sahip olur ve daha uzun aylar daha yüksek satış gösterir; bu da incelemek istediğiniz gerçek ilişkileri maskeleyebilir.

Offset'lerin uygulanması

Offset'ler, katsayısı 1'e sabitlenmiş maruziyet değişkenlerini modele katmanın bir yolunu sağlar. Ham sayımları modellemek yerine, offset'ler oranları modellemenize ve verinizin sayım yapısını korumanıza imkân tanır.

Matematiksel biçim şu hale gelir:

Bu eşitliği yeniden düzenlersek:

Bu, aslında log-oranı modellediğinizi gösterir; burada oran = sayım/maruziyet.

Bu bakış açısının yararlı olduğu durumlar

• Nüfusa göre ayarlanmış hastalık oranları: İlçeler arasında COVID-19 vaka sayımlarını karşılaştırırken, offset olarak log(nüfus) ekleyin. Böylece katsayılar, toplam vaka yerine kişi başına vakalara etkileri temsil eder.
• Zamana göre ayarlanmış iş metrikleri: Bazı ayların promosyon gün sayısı farklıysa, aylık satışları analiz ederken log(promosyon_günleri)ni offset olarak dahil edin ve promosyon günü başına satışı inceleyin.
• Alana göre ayarlanmış çevresel veriler: Farklı habitat yamalarında tür gözlemlerini sayarken, ham sayımlar yerine tür yoğunluğunu modellemek için offset olarak log(incelenen_alan) ekleyin.

Offset, maruziyetin iki katına çıkmasının (diğer her şey sabitken) beklenen sayımı iki katına çıkarmasını garanti eder; bu, oran temelli olgular için doğal ilişkidir.

Katsayıları ve Sonuçları Yorumlamak

Katsayılardan insidans oranı oranlarına

Ham Poisson regresyon katsayıları log-sayımdaki değişimleri temsil eder; bu da doğrudan yorumlamayı zorlaştırabilir. Katsayıların üssünü almak, onları sezgisel yorumlara sahip insidans oranı oranlarına (IRR) dönüştürür.

IRR, yordayıcıdaki bir birimlik artış için beklenen sayımdaki çarpımsal değişimi temsil eder:

• IRR = 1,0: Etki yok (yordayıcı oranı değiştirmez)
• IRR = 1,2: Oranda %20 artış
• IRR = 0,8: Oranda %20 azalış
• IRR = 2,0: %100 artış (oranın iki katına çıkması)

Farklı yordayıcı türlerini yorumlamak

• Sürekli yordayıcılar: Yaş için IRR 1,03 ise, her ek yıl beklenen sayımı 1,03 ile çarpar; bu da %3'lük bir artışa karşılık gelir. 10 yıllık yaş farkı için etki 1,03^10 ≈ 1,34 olur; yani yaklaşık %34 artış.
• İkili yordayıcılar: Cinsiyet (erkek vs. kadın) için IRR 1,5 ise, erkeklerin sonuç oranı kadınlara göre 1,5 kattır; bu da %50 daha yüksek oran demektir.
• Kategorik yordayıcılar: Birden fazla kategori olduğunda, her seviye bir referans kategori ile karşılaştırılır. "Yaz"a kıyasla "kış" için IRR 0,7 ise, kış ayları yaz aylarına göre %30 daha az olay gösterir.

Güven aralıklarını anlamak

IRR güven aralıkları, oranlarınız etrafındaki belirsizliği sunar. %95 güven aralığı [1,10, 1,42] olan 1,25'lik bir IRR, gerçek etkinin oranda %10 ile %42 arasında bir artışı temsil ettiğinden makul ölçüde emin olabileceğinizi gösterir.

Bir güven aralığı 1,0'ı içeriyorsa, etki istatistiksel olarak anlamlı olmayabilir. Örneğin, [0,95, 1,39] güven aralığıyla 1,15'lik bir IRR, yordayıcının etkisi olmayabileceğini düşündürür.

Pratik iletişim stratejileri

Sonuçları teknik olmayan kitlelere sunarken oranlar yerine yüzde değişimlere odaklanın. "IRR 1,3" demek yerine, "bu faktör olay oranında %30 artışla ilişkilidir" deyin.

Somut örnekler verin: "Modelimize göre, pazarlama harcamasını 1000 $ artırmak, aylık ortalama 20 müşteriden yaklaşık 23 müşteriye çıkarak müşteri kazanımlarında yaklaşık %15 artışla ilişkilidir."

R'de Poisson Regresyonunun Uygulanması

Artık yorumlamanın ayrıntılarını ele aldığımıza göre, R'de uygulayalım.

Veri hazırlığı ve keşif

Herhangi bir modeli kurmadan önce, sayım verilerinizi dikkatle inceleyin. Gerekli kütüphaneleri yükleyerek ve dağılımı keşfederek başlayın:

library(ggplot2)
library(dplyr)

# Example: Website daily visitor counts
data <- data.frame(
  visitors = c(42, 48, 39, 52, 44, 58, 51, 47, 41, 49, 40, 46, 43, 54, 50),
  day_of_week = factor(c("Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun",
                        "Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun", "Mon")),
  marketing_spend = c(200, 150, 180, 250, 220, 400, 350, 300, 160, 190,
                     140, 210, 380, 420, 170),
  temperature = c(22, 25, 19, 24, 26, 28, 30, 27, 21, 23, 18, 25, 29, 31, 20)
)

# Check mean vs variance (should be similar for Poisson)
mean(data$visitors)
var(data$visitors)
var(data$visitors) / mean(data$visitors) # Should be close to 1

# Visualize the distribution
ggplot(data, aes(x = visitors)) +
  geom_histogram(bins = 8, fill = "lightblue", color = "black") +
  labs(title = "Distribution of Daily Visitors",
       x = "Number of Visitors", y = "Frequency")Altyapı:

> mean(data$visitors)
[1] 46.93333
> var(data$visitors)
[1] 30.35238
> var(data$visitors) / mean(data$visitors)
[1] 0.6467127Altyapı:

0,65'lik varyans/ortalama oranı, verimizin Poisson regresyonu için gayet uygun olduğunu gösterir. Tam olarak eşit olmasa da, 0,5 ile 1,5 arasındaki oranlar genellikle kabul edilebilir ve Poisson dağılımının bu sayım verisini modellemek için iyi bir temel sunduğunu düşündürür.

Günlük web sitesi ziyaretçilerinin dağılımı. Görsel: Yazar.

Histogram, günde ortalama 47 ziyaretçi civarında merkezlenen, yaklaşık 39 ile 58 arasında değişen değerlerle kabaca simetrik bir dağılım göstermektedir. Bu desen, Poisson regresyonu kullanılarak etkili biçimde modellenebilecek sayım verileriyle tutarlıdır.

Modeli kurmak

glm() fonksiyonu ve family = poisson ile Poisson regresyon modelleri kurulur:

# Basic Poisson regression
model <- glm(visitors ~ day_of_week + marketing_spend + temperature,
             family = poisson, data = data)

# View key model results
summary(model)

# Calculate Incidence Rate Ratios (IRRs)
exp(coefficients(model))Altyapı:

İşte katsayılar tablosu:

Coefficients:
                 Estimate Std. Error z value Pr(>|z|)    
(Intercept)     3.2978122  0.5556601   5.935 2.94e-09 ***
day_of_weekMon  0.0724036  0.1635467   0.443    0.658    
day_of_weekSat  0.0316265  0.2872878   0.110    0.912    
day_of_weekSun  0.0339621  0.2502578   0.136    0.892    
day_of_weekThu  0.1068756  0.1870821   0.571    0.568    
day_of_weekTue  0.0442967  0.1633032   0.271    0.786    
day_of_weekWed  0.0653789  0.1813230   0.361    0.718    
marketing_spend 0.0001593  0.0018211   0.087    0.930    
temperature     0.0186099  0.0317682   0.586    0.558Altyapı:

İşte insidans oranı oranları (IRR):

(Intercept)  day_of_weekMon  day_of_weekSat  day_of_weekSun  day_of_weekThu  day_of_weekTue  day_of_weekWed marketing_spend 
27.053386        1.075089        1.032132        1.034545        1.112796        1.045292        1.067563        1.000159 
temperature 
1.018784 Altyapı:

Katsayılar log-ölçekli etkileri gösterir, ancak IRR'ler daha sezgisel yorumlar sunar. Örneğin Perşembe (day_of_weekThu) için IRR 1,11'dir; bu da referans kategori olan Cuma'ya kıyasla yaklaşık %11 daha fazla ziyaretçi anlamına gelir. Pazarlama harcamasının IRR'si 1,0002'dir; bu da eklenen her doların beklenen ziyaretçileri yaklaşık %0,02 artırdığını gösterir.

Bu IRR'ler için güven aralıklarını hesaplasaydık, çoğunun 1,0'ı içerdiğini görürdük; bu da küçük örneklemle etkilerin istatistiksel olarak anlamlı olmadığını düşündürür. Bu, küçük veri setlerinde yaygındır ve örneklem büyüklüğünün neden önemli olduğunu gösterir.

Maruziyeti offset'lerle dahil etmek

Veriniz farklı maruziyet dönemleri içeriyorsa, bunları offset olarak ekleyin:

# Example with exposure data
data$exposure_days <- c(rep(7, 10), rep(6, 5))  # Some weeks had 6 observation days

# Model with offset
model_offset <- glm(visitors ~ day_of_week + marketing_spend + temperature + 
                   offset(log(exposure_days)), 
                   family = poisson, data = data)

summary(model_offset)Altyapı:

Call:
glm(formula = visitors ~ day_of_week + marketing_spend + temperature + 
    offset(log(exposure_days)), family = poisson, data = data)

Coefficients:
                  Estimate Std. Error z value Pr(>|z|)   
(Intercept)      1.734e+00  5.579e-01   3.109  0.00188 **
day_of_weekMon   2.371e-02  1.637e-01   0.145  0.88485   
day_of_weekSat   9.873e-02  2.898e-01   0.341  0.73338   
day_of_weekSun   1.208e-01  2.472e-01   0.489  0.62513   
day_of_weekThu   5.642e-02  1.871e-01   0.302  0.76297   
day_of_weekTue  -6.713e-02  1.634e-01  -0.411  0.68128   
day_of_weekWed  -6.073e-02  1.825e-01  -0.333  0.73934   
marketing_spend -4.231e-05  1.823e-03  -0.023  0.98149   
temperature      8.210e-03  3.179e-02   0.258  0.79623Altyapı:

Offset'i dahil ettiğimizde katsayıların nasıl dramatik biçimde değiştiğine dikkat edin. Sabit terim 3,30'dan 1,73'e düşer ve diğer tüm etkiler küçülür. Bu dönüşüm, artık değişen dönemler üzerinden toplam sayımlar yerine gün başına oranı modellediğimiz için gerçekleşir.

Offset, farklı maruziyet sürelerine göre ayarlama yaparak adil karşılaştırmalar sağlar. Bu düzeltme olmadan, daha fazla gözlem günü olan dönemler yapay olarak daha yüksek ziyaretçi sayıları gösterebilir ve incelemek istediğimiz gerçek ilişkileri maskeleyebilir. Model artık "Günlük ziyaretçi oranı nedir?" sorusunu, "Toplam kaç ziyaretçi oldu?" yerine yanıtlar.

Tahmin yapmak

Yeni senaryolar için tahminler üretin:

# Create new data for prediction
new_data <- data.frame(
  day_of_week = factor("Fri", levels = levels(data$day_of_week)),
  marketing_spend = 300,
  temperature = 25
)

# Predict expected counts
predicted_counts <- predict(model, newdata = new_data, type = "response")
print(paste("Expected visitors:", round(predicted_counts, 1)))Altyapı:

[1] "Expected visitors: 45.2"Altyapı:

Model, 300 $ pazarlama harcaması ve 25°C sıcaklıkla bir Cuma günü için 45,2 ziyaretçi öngörüyor. Bu tahmin, gözlemlenen verilerimizin makul aralığı (39-58 ziyaretçi) içinde yer alır ve genel ortalamamız olan 46,9 ziyaretçiye yakındır.

Poisson regresyonu, doğrusal regresyonun üretebileceği imkânsız negatif değerlere karşı, yuvarlandığında tahminlerin pozitif tamsayılar olarak kalmasını doğal biçimde sağlar. type = "response" parametresi, modelin dahili olarak kullandığı log ölçeği yerine tahminleri orijinal sayım ölçeğinde döndürür.

Temel Model Tanılamaları

Aşırı yayılımı kontrol etmek

Aşırı yayılım, varyans ortalamayı aştığında ortaya çıkar ve Poisson'un temel bir varsayımını ihlal eder:

# Calculate dispersion statistic
residual_deviance <- model$deviance
df_residual <- model$df.residual
dispersion <- residual_deviance / df_residual

print(paste("Dispersion statistic:", round(dispersion, 3)))

if (dispersion > 1.5) {
  print("Possible overdispersion detected")
  print("Consider quasi-Poisson or negative binomial models")
}Altyapı:

[1] "Dispersion statistic: 0.849"Altyapı:

0,849'luk saçılma istatistiği 1'e yakındır; bu da modelimizin önemli bir aşırı yayılım olmadan veriye iyi uyum sağladığını gösterir. 1'e yakın değerler, bu veri seti için Poisson'un ortalama ile varyansın eşit olduğu varsayımının makul olduğunu düşündürür.

Bu istatistik 1,5'in altında olduğundan herhangi bir uyarı mesajı görünmez; bu da standart Poisson regresyonunun uygun olduğunu doğrular. Bu değer 1'den çok daha büyük olsaydı (genellikle 1,5'in üzerinde), ek değişkenliği hesaba katmak için quasi-Poisson veya negatif binom modellerini düşünmemiz gerekirdi.

Artık (residual) analizi

Desenleri veya model ihlallerini saptamak için artıkları inceleyin:

# Calculate Pearson residuals
fitted_values <- fitted(model)
pearson_residuals <- residuals(model, type = "pearson")

# Plot residuals vs fitted values
plot(fitted_values, pearson_residuals,
     xlab = "Fitted Values", ylab = "Pearson Residuals",
     main = "Residuals vs Fitted")
abline(h = 0, col = "red", lty = 2)Altyapı:

Sıfır etrafında rastgele saçılım gösteren artık grafiği. Görsel: Yazar.

Artık grafiği, sıfır çizgisi etrafında belirgin bir desen olmadan rastgele dağılmış noktalar gösteriyor; bu da modelimizin veriye iyi uyum sağladığını gösterir. Artıklar yaklaşık -1 ile +1 arasında değişir; bu örneklem büyüklüğü için makuldür.

İyi artık grafikleri şunları göstermelidir: sıfır etrafında rastgele saçılım (eğrisel desen yok), uyum değerleri boyunca kabaca sabit yayılım (huni şekilleri yok) ve aşırı aykırı değerler yok. Bu grafik tüm ölçütleri karşılıyor, Poisson regresyonu varsayımlarının sağlandığını ve modelimizin güvenilir sonuçlar sunduğunu doğruluyor.

Aşırı yayılımı ele almak

Aşırı yayılım saptanırsa, standart hataları ayarlayan quasi-Poisson modellerini düşünün:

# Fit quasi-Poisson model
quasi_model <- glm(visitors ~ day_of_week + marketing_spend + temperature, 
                   family = quasipoisson, data = data)Altyapı:

Modelimiz iyi bir saçılım gösterdiği için (0,849), burada quasi-Poisson ayarlamalarına gerek yoktur. Ancak bu yaklaşım, varyans ortalamayı aştığında daha temkinli güven aralıkları ve p-değerleri sunarak, gerçek dünyadaki ve sıklıkla aşırı yayılım sergileyen sayım verileri için değerli bir araç sağlar.

Sonuçları Sunmak ve Yorumlamak

Açık sonuç özetleri oluşturmak

Model çıktısını, IRR'lerinizin pratik anlamına odaklanarak iş açısından anlamlı içgörülere dönüştürün. Modeliniz, hafta sonu günlerinin hafta içi günlere kıyasla IRR'inin 1,4 olduğunu gösteriyorsa, bunu "hafta sonları, hafta içlerine göre yaklaşık %40 daha fazla ziyaretçi görüyor" şeklinde iletin. Pazarlama harcaması için IRR 1,002 ise, "her ek pazarlama doları, ziyaretçilerde yaklaşık %0,2 artışla ilişkilidir" diye açıklayın.

Sürekli değişkenler için, etkileri anlamlı aralıklarda sunmayı düşünün. Tek bir derece sıcaklık değişiminin etkisini tartışmak yerine, iş planlaması için daha ilgili olabilecek 10 derecelik farkın etkisini gösterin.

Model sınırlamalarını anlamak

Poisson regresyonu ilişkileri belirler; nedensel ilişkileri değil. Pazarlama harcaması ile ziyaretçi sayıları arasındaki güçlü bir ilişki, artışın nedeni olarak pazarlamayı kanıtlamaz.  Diğer faktörler her iki değişkeni de etkileyebilir. Sonuçları sunarken bu sınırlamayı kabul edin.

Model, verilen yordayıcı değerleri için oranın sabit kaldığını varsayar. İşiniz, değişkenlerinizin yakalamadığı mevsimsel eğilimlere sahipse veya yordayıcılar ile sonuçlar arasındaki ilişki zamanla değişiyorsa, modeliniz gelecekteki dönemlere iyi genellenmeyebilir.

Yaygın Zorluklar ve Çözümler

Sıfır sayımlarla başa çıkmak

Sayım verileri sıklıkla sıfırlar içerir ve bu durum Poisson regresyonunda tamamen geçerlidir. Ancak veriniz Poisson dağılımının öngördüğünden çok daha fazla sıfır içeriyorsa, farklı bir veri üretim sürecine işaret edebilir. Bazı gözlemler, olayın gerçekleşmesinin mümkün olmadığı dönemleri veya koşulları temsil ediyor olabilir; olayın gerçekleşebileceği fakat gerçekleşmediği dönemleri değil.

Örneğin, web sitesi ziyaretçi sayımları, sitenin bakım için kapalı olduğu günler için sıfırları içerebilir. Bu "yapısal sıfırlar", Poisson süreçlerinde doğal olarak görülen "rastgele sıfırlar"dan farklıdır.

Model kurma stratejisi

Alan bilgisinden hareketle en önemli yordayıcılarınızla başlayın. Değişkenleri teker teker ekleyin ve veriyi anlama düzeyinizi iyileştirip iyileştirmediklerini değerlendirin. Daha karmaşık modeller her zaman daha iyi değildir.

Yalnızca istatistiksel anlamlılığa değil, etkilerin pratik önemine de dikkat edin. Oranlarda istatistiksel olarak anlamlı %1'lik bir değişim iş eylemini haklı çıkarmayabilirken, sınırda olarak istatistiksel anlamlılığı tutturamayan %20'lik bir değişim yine de daha fazla veriyle araştırılmayı gerektirebilir.

İhlallerle başa çıkmak

Eş-dağılım sağlanmadığında (varyans ortalamadan çok büyük olduğunda), quasi-Poisson regresyonu basit bir çözüm sunar. Aynı model yapısını korur fakat ek değişkenliği hesaba katmak için standart hataları ayarlar. Bu da daha temkinli güven aralıkları ve p-değerleri üretir.

Şiddetli aşırı yayılım için, negatif binom regresyonu ek varyasyonu açıkça modeller. Bu yaklaşım, hem ortalama ilişkiyi hem de ilave değişkenliği tahmin eder.

En İyi Uygulamalar ve Öneriler

Yaygın hatalardan kaçınmak

Aşırı yayılımı görmezden gelmeyin — Poisson varsayımlarının en yaygın ihlallerinden biridir ve sonuçlarınızı ciddi biçimde etkileyebilir. Varyans/ortalama oranını her zaman kontrol edin ve gerektiğinde alternatifleri değerlendirin.

Veri aralığınızın ötesine ekstrapolasyon yaparken temkinli olun. Pazarlama harcaması veriniz 100 $ ile 1000 $ arasında değişiyorsa, 5000 $ seviyeleri için etkileri güvenle öngörmeyin. İlişki, aşırı değerlerde log-doğrusal kalmayabilir.

Tüm kategorik yordayıcıları seviyeleri arasında eşit aralıklara sahipmiş gibi ele almaktan kaçının. Eğitim kategorileri (lise, biraz üniversite, üniversite mezunu) sonuç değişkeniniz üzerinde eşit etkilere sahip olmayabilir.

Dokümantasyon ve iş akışı

Modelleme kararlarınızı, özellikle varsayım ihlallerini ve bunları nasıl ele aldığınızı belgeleyin. Aşırı yayılım keşfettiyseniz ancak quasi-Poisson ayarlamalarını seçtiyseniz, bu kararı ve yorumlamaya etkilerini not edin.

Sonuç

Poisson regresyonu, birçok alanda sayım verilerini analiz etmek için etkili bir çerçeve sunar. Bu teknikleri kendi verilerinize uygularken, basit modellerle başlayın ve hem istatistiksel kanıt hem de alan uzmanlığına dayanarak kademeli olarak karmaşıklığı artırın. Varsayımlar ihlal edildiğinde, quasi-Poisson veya negatif binom gibi uzantılar iyi alternatifler sunar. Hedef yalnızca istatistiksel anlamlılık değil, daha iyi kararları bilgilendiren pratik içgörülerdir.

Regresyon uzmanlığınızı derinleştirmek istiyorsanız, R ile Orta Düzey Regresyon kursumuz, burada öğrendiğiniz Poisson regresyon becerilerini tamamlayan gelişmiş tanılama tekniklerini ve modelleme stratejilerini kapsar. R'de Genelleştirilmiş Doğrusal Modeller de harika bir seçenektir.