R 具有分类数据的Poisson-GLM

我试图使用标记为

s

和

v

的分类数据计数来拟合泊松广义混合模型。由于数据是在具有不同持续时间的会话中收集的（请参见

session\u dur\u s

），因此我希望通过将

offset

放入glm模型中，将此信息作为预测值

这是我的桌子：

label session counts session_dur_s
s   1   587 6843    
s   2   203 2095    
s   3   187 1834    
s   4   122 1340    
s   5   40  1108    
s   6   64  476 
s   7   60  593 
v   1   147 6721    
v   2   57  2095    
v   3   58  1834    
v   4   22  986 
v   5   8   1108    
v   6   12  476 
v   7   11  593 

我的数据：

label <-   c("s","s","s","s","s","s","s","v","v","v","v","v","v","v")
session <-  c(1,2,3,4,5,6,7,1,2,3,4,5,6,7)
counts <- c(587,203,187,122,40,64,60,147,54,58,22,8,12,11)
session_dur_s <-c(6843,2095,1834,1340,1108,476,593,6721,2095,1834,986,1108,476,593)
sv_dur <-  data.frame(label,session,counts,session_dur_s)

---

label泊松GLM默认使用日志链接。也就是说，它可以执行为：

sv_dur_mod <- glm(counts ~ label * session,
                  data = sv_dur,
                  family = poisson("log"))

感谢您的评论。我一定要看一下日志偏移量。现在，只是出于好奇。如果我想在我的模型中使用
dur_s
而不是
计数
，我是否必须使用log（dur_s）？
sv_dur_mod <- glm(counts ~ label * session,
                  data = sv_dur,
                  family = poisson("log"))

sv_dur_mod <- glm(counts ~ label * session,
                  data = sv_dur,
                  offset = log(session_dur_s),
                  family = poisson("log"))