数据挖掘 - 计数过程的回归模型 - 吾爱随笔录

在 RI 有data哪里head(data)给出

day   count   promotion
1        33        20.8
2        23        17.1  
3        19         1.6  
4        37        20.8

现在day只是这一天（并且是有序的）。promotion是当天的促销价值。它只是广告在电视上出现的次数。count是我们当天获得的新用户数量。

我想调查促销价值对新用户的影响（count）。由于我们有一个计数过程，我认为最好建立一个泊松回归模型。

model=glm(formula= data$count ~ data$promotion, data=data)

当我们输入时，summary(model)我们得到

Coefficients:
           (Intercept)              good_users$promotion  
              13.40216                   0.24342

Degrees of Freedom: 793 Total (i.e. Null);  792 Residual
Null Deviance:      9484 
Residual Deviance: 9325     AIC: 12680

这是数据图。

但是当我绘制模型的拟合值时

points(model$promotion, model$fitted, col="blue")

我们得到这个

这是另一个显示相同但删除了 0 促销天的图。

我应该如何选择我的回归模型（我应该使用 lm 而不是 glm）还是另一种更好的方法来解决这个问题？因为数据不漂亮但更随机，应该怎么办？

更新

寻找甜蜜点

为了找到一个甜蜜点，我做了以下事情。我data分成10组。group1只是促销值在内的子集1:10。group2是促销值介于之间的数据，11:20其他组以此类推。所以在R中我们有

group1 <- subset(data, data$promotion %in% 1:10)
group2 <- subset(data, data$promotion %in% 11:20)
group3 <- subset(data, data$promotion %in% 21:30)
...
group10 <- subset(data, data$promotion %in% 91:100)

现在我可以wilcox.test通过键入来测试组之间是否存在显着差异

wilcox.test(group2, group1, alternative="greater")

这给出了一个低 p 值，即group2显着new_good_users高于group1。这同样适用于

wilcox.test(group3, group2, alternative="greater")

但是我得到一个 0.20 的 p 值，即和之间wilcox.test(group4, group3, alternative="greater") 没有显着new_good_users差异。其余的组对最多 10 个也是如此。group4group3

所以这必须意味着，如果我们promotion在第一组增加，我们就会增加，new_good_users但在最后一组我们没有增加。这意味着我们在group3promotion-value所在的位置有一个甜蜜点21:30。这不正确吗？