<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>quossy</author_name>
  <author_url>https://blog.hatena.ne.jp/quossy/</author_url>
  <blog_title>ねこすたっと</blog_title>
  <blog_url>https://necostat.hatenablog.jp/</blog_url>
  <categories>
    <anon>elementary</anon>
    <anon>maths/theory</anon>
    <anon>glm</anon>
  </categories>
  <description>数学が苦手なうちのJKに、将来必要となるかもしれないデータ分析への抵抗感をなくしてもらう目的で記事を書くことにしました。 前回：高校生のためのデータ分析入門 (23)：離散型アウトカムの回帰モデル（前編） - ねこすたっと 平均値が大きくない個数・回数をモデル化する 小さい非負整数のモデル化 期待値を説明変数の関数で表す 対数変換でつなぐ！ 期待値と観測値をポアソン分布で結ぶ まとめ：ポアソン回帰 係数はどう解釈したらいいの？ おわりに 平均値が大きくない個数・回数をモデル化する 前回、線形回帰モデルが上手く当てはまらない例として、2値型の応答変数に対してロジスティック回帰モデルを使うことを説…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fnecostat.hatenablog.jp%2Fentry%2F2024%2F01%2F27%2F113716&quot; title=&quot;高校生のためのデータ分析入門 (24)：離散型アウトカムの回帰モデル（後編） - ねこすたっと&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/q/quossy/20240127/20240127113604.jpg</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2024-01-27 11:37:16</published>
  <title>高校生のためのデータ分析入門 (24)：離散型アウトカムの回帰モデル（後編）</title>
  <type>rich</type>
  <url>https://necostat.hatenablog.jp/entry/2024/01/27/113716</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
