Можете ли вы сказать мне, что возвращается GLM $ невязок и кубовых остатков (GLM) где GLM является объектом quasipoisson. например Как создать их с помощью glm $ y и glm $ linear.predictors.
GLM $ невязки
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
низкий: -4,243 -3,552 -3,509 -3,481 -3,464 высокий : 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
низкий: -1,0000 -0,8415 -0,8350 -0,8333 -0,8288 высокая: 7,2491 7,6110 7,6486 7,9574 10,1932
Это замечательно. Теперь мне просто нужно узнать, когда каждый тип остатков наиболее полезен при проведении регрессионной диагностики. Рекомендации книги, сделанные Адамом ниже («Обобщенные линейные модели и расширения» Хардина и Хильбе) кажутся полезными, любые другие предложения? –