具有缩放 t 分布的 GAMM：为什么我的残差和拟合值加起来不等于观察值？
GAMM with scaled t-distribution: Why do my residuals and fitted values not add up to the observed values?
编辑：我现在已经发现这个问题 - 如果它是一个 - 与我为我的模型选择了缩放 t 分布这一事实有关。 运行 具有高斯分布的模型不会导致同样的问题。
不过，我想知道为什么会这样。使用 fitted + residuals != dependent variable 的不同分布的模型是否正常？
使用 mgcv's gam() 我已经拟合了一个包含随机因子平滑的非线性模型。
原题如下：
############################################# #########################
我使用 fitted(model) 提取了拟合值，使用 resid(model) 提取了残差。
当我将它们添加到我的数据框时，我注意到残差和拟合值加起来不等于观测值。起初我以为函数 fitted() 和 resid() 可能没有保留值的原始顺序。然而，这是错误的。我用其他模型（包括其他 gam 模型）进行了尝试。
现在，我正在处理的模型出现了一些问题。最值得注意的是，不同平滑（包括随机因子平滑）的显着性水平因一组 k 值而异。
导致此问题的原因可能是什么？这是某种稳定性问题吗？如何处理这些问题？如果有任何正确方向的指示，我将不胜感激。
您正在提取的残差是 偏差 残差，只有 (IIRC) 对于高斯，这些与您期望的响应残差相对应。
您可以使用 residuals(model, type = 'response') 获得响应残差，然后使用这些重做您的计算。有关更多信息，请参阅 ?residuals.gam。
编辑：我现在已经发现这个问题 - 如果它是一个 - 与我为我的模型选择了缩放 t 分布这一事实有关。 运行 具有高斯分布的模型不会导致同样的问题。
不过，我想知道为什么会这样。使用 fitted + residuals != dependent variable 的不同分布的模型是否正常？
使用 mgcv's gam() 我已经拟合了一个包含随机因子平滑的非线性模型。
原题如下：
############################################# #########################
我使用 fitted(model) 提取了拟合值，使用 resid(model) 提取了残差。
当我将它们添加到我的数据框时，我注意到残差和拟合值加起来不等于观测值。起初我以为函数 fitted() 和 resid() 可能没有保留值的原始顺序。然而，这是错误的。我用其他模型（包括其他 gam 模型）进行了尝试。
现在，我正在处理的模型出现了一些问题。最值得注意的是，不同平滑（包括随机因子平滑）的显着性水平因一组 k 值而异。
导致此问题的原因可能是什么？这是某种稳定性问题吗？如何处理这些问题？如果有任何正确方向的指示，我将不胜感激。
您正在提取的残差是 偏差 残差，只有 (IIRC) 对于高斯，这些与您期望的响应残差相对应。
您可以使用 residuals(model, type = 'response') 获得响应残差，然后使用这些重做您的计算。有关更多信息，请参阅 ?residuals.gam。