Bạn có thể cho tôi biết những gì sẽ được trả về bởi GLM $ dư và resid (GLM) nơi GLM là một đối tượng quasipoisson. ví dụ. Làm thế nào tôi có thể tạo chúng bằng cách sử dụng glm $ y và glm $ linear.predictors.
GLM $ dư
n missing unique Mean .05 .10 .25 .50 .75 .90 .95
37715 10042 2174 -0,2574 -2,7538 -2,2661 -1,4480 -0,4381 0,7542 1,9845 2,7749
thấp nhất: -4,243 -3,552 -3,509 -3,481 -3,464 cao nhất : 8.195 8.319 8.592 9.089 9.416
resid (glm)
n missing unique Mean .05 .10 .25
37715 0 2048 -2.727e-10 -1.0000 -1.0000 -0.6276
.50 .75 .90 .95
-0,2080 0,4106 1,1766 1,7333
thấp nhất: -1,0000 -0,8415 -0,8350 -0,8333 -0,8288 cao nhất: 7,2491 7,6110 7,6486 7,9574 10,1932
Điều này thật tuyệt. Bây giờ tôi chỉ cần tìm hiểu về khi mỗi loại dư là hữu ích nhất trong việc chẩn đoán hồi quy. Đề xuất sách được thực hiện bởi Adam bên dưới ("Các mô hình và các phần mở rộng tuyến tính tổng quát" của Hardin và Hilbe) có vẻ hữu ích, bất kỳ đề xuất nào khác? –