Понимание GLM $ невязки и кубовых остатков (GLM)

Question

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

Answer 1

Вызов остатка (модели) будет по умолчанию равным остаточным отклонениям, тогда как остаток модели $ даст вам рабочие остатки. Из-за функции связи нет единого определения того, что такое остаточная модель. Есть отклонения, рабочие, частичные, Pearson и остатки отклика. Поскольку они полагаются только на среднюю структуру (а не на дисперсию), остатки для квазипуассонов и пуассонов имеют одинаковую форму.Вы можете посмотреть на residuals.glm функций для деталей, но вот пример:

counts <- c(18,17,15,20,10,20,25,13,12) 
outcome <- gl(3,1,9) 
treatment <- gl(3,3) 
glm.D93 <- glm(counts ~ outcome + treatment, family=quasipoisson()) 
glm.D93$resid 


#working 
resid(glm.D93,type="working") 
(counts - glm.D93$fitted.values)/exp(glm.D93$linear) 

#deviance 
resid(glm.D93,type="dev") 
fit <- exp(glm.D93$linear) 
poisson.dev <- function (y, mu) 
    sqrt(2 * (y * log(ifelse(y == 0, 1, y/mu)) - (y - mu))) 
poisson.dev(counts,fit) * ifelse(counts > fit,1,-1) 

#response 
resid(glm.D93,type="resp") 
counts - fit 

#pearson 
resid(glm.D93,type="pear") 
(counts - fit)/sqrt(fit) 

Answer 2

Я не знаю достаточно о Пуассон и квази-Пуассон распределения, чтобы ответить на ваш вопрос в заданной глубине (т.е. точное уравнение, которое преобразует переменные в остатки с использованием модели), но если какая-либо из путаницы обусловлена ​​тем, какие остаточные типы используются и почему две команды дают другой ответ, это может помочь:

остаток() по умолчанию используется тип «отклонения» в R. Однако glm() присваивает различные остатки вектору $ остатков.

Если вы используете семейство квазипоассонов, glm() будет назначать остатки рабочего типа, тогда как остаток() задает тип отклонения по умолчанию.

Чтобы попробовать это, вы можете использовать:

кубовые остатки (GLM, тип = "рабочие")

и

GLM $ Разности

, и это должно дать вам тот же ответ (по крайней мере, это было на выборке данных I u СЕПГ).

Согласно R, работающие невязки: «остатки в заключительной итерации IW-ярусы подходят»

Если посмотреть на книгу: «Обобщенные линейные модели и расширения» (по Хардин и Hilbe) на googlebooks , вы можете получить доступ к разделу 4.5, который объясняет различные типы остатков.