问题描述
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 分布的事实有关。使用高斯分布运行模型不会导致相同的问题。
尽管如此，我想知道为什么会发生这种情况。使用 fitted + residuals != dependent variable 的不同分布的模型是否正常？
使用 mgcv's gam() 我已经拟合了一个非线性模型，包括一个随机因子平滑。
以下是原始问题：
############################################ #######################
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中时，我注意到残差和拟合值加起来不等于观察值。起初我认为函数 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）尝试过。
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。
此问题的原因可能是什么？这是某种稳定性问题吗？如何处理这样的问题？我会感谢任何指向正确方向的指示。
解决方法
您提取的残差是偏差残差，只有（IIRC）高斯残差才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，并使用这些重新计算。请参阅 ?residuals.gam 了解更多信息。