用GLM进行数据分析（上）
在这里，我通过我的作业来介绍一下如何用GLM进行数据分析（这里主要用R进行分析），不过还没拿到答案，所以也不确定结果是否正确，不论怎样，介绍一下整个分析的思路也足够了。
以上是数据的一些介绍，简单来说就是分析急诊室就诊次数和一些变量之间的关系吧，首先我们来分析一下这些数据的大致情况：
可以看到，一大堆变量，包括响应变量都是右偏的，一般来说这时候我们就可以对他们应用log transformation（这里需要注意，因为变量具有较多的0值，所以采取log（x+1）做变换，这也是一个小技巧）来缓和这种现象，我们可以通过直方图来观察转换前后的状况，同时也观察有没有需要剔除极端数据。
在观察直方图的过程中，也发现了complication这个变量其实是严重的不平衡。一般来说，对这种数据有很多处理方法，我可能比较极端一点，喜欢直接剔除它，当然，也不是说不要就不要的，主要还是要分析complication对于0和1这两种情况，我们的ER_visits有没有明显的区别，所以我们可以通过图表画出来：
可以看到，0和1的ER_visits其实分布都比较接近，也就是说不会因为complication的不同取值而导致响应变量有明显变化，所以我这里选择剔除这个变量。
除此之外，我们还注意到对于drug和comorbidities这两个变量，即使使用了log变换，结果还是右偏：
这种情况下，我选择直接对他们进行二分类，把大于0的数据分为一类，用1表示，等于0的用0表示。然后，我们再重新观察数据：
经过初步处理，数据的分布就比一开始好很多了。我们也可以隐约看出ER_visits和total_cost、age之间的正比关系，但是，也要注意到，这时候total_cost和interventions之间的相关系数较大，也就是说，在构建模型的时候，我们只能保留两者其中之一。
以上主要是针对数值数据的预处理，接下来是对类别数据的预处理，首先我们通过表格观察数据是否严重不平衡：
在这里没有特别需要处理的数据，然后我们可以通过箱线图，初步探索一下各个变量和响应变量之间的关系：
到目前为止，我们就基本完成了数据的预处理了，接下来，就可以正式构建一个GLM模型了。