revoScaleR :: rxGlm（）R中的问题-GLM残差

Question

bounty到期在1小时内。该问题的答案有资格获得+ 50声望赏金。Alan想要引起更多关注对此问题。

我可能在这里找不到答案，因为我认为revoScaleR软件包没有被广泛使用。

如果我使用rxGlm()创建GLM，则可以正常工作。但是，可通过rxPredict()获得的模型残差似乎只是“原始”残差，即观测值减去拟合值。各种转换版本（偏差残差，皮尔逊残差等）似乎不可用。

有人知道是否有办法实现这一目标？我can通过使用glm()（具有相同的公式，数据，错误结构，链接函数，权重）并使用residuals(glm_object, type = "deviance")再次运行该模型，以获得模型的偏差残差（例如），但这是一个令人讨厌，因为glm()运行非常慢（大型数据集，许多模型参数）。

谢谢。

编辑：包括我正在尝试遵循的文献中的本指南：

Answer 1

很难从您的问题中完全理解RevoScaleR程序包在残差方面提供了什么，以及究竟需要什么残差。此外，关于残差的术语还存在一些混淆，例如here和here。

尽管如此，一些观点/看法仍可能对您有帮助。

在线性回归中，“原始”与“偏差”残差相同

至少我从使用glm进行玩具回归并预测诸如以下结果中获得的收益：

df <- mtcars
modl <- glm(formula = mpg ~ wt + qsec + am, data = mtcars)
y_hat <- predict(modl)
[我想一旦进入二元结果等会更加复杂。计算“原始”残差（预测结果减去实际结果）以及偏差残差：

y <- as.vector(df[["mpg"]])
res_raw <- y - y_hat
res_dev <- residuals(modl, type = "deviance")
这两个是相同的：

identical(res_raw, res_dev)
[1] TRUE
计算标准偏差残差的公式

标准偏差残差是使用glm方法从rstandard计算出来的。

res_std <- rstandard(modl)
查看getAnywhere(rstandard.glm)会告诉您如何通过偏差残差手动计算标准化残差：

function (model, infl = influence(model, do.coef = FALSE), type = c("deviance", 
    "pearson"), ...) 
{
    type <- match.arg(type)
    res <- switch(type, pearson = infl$pear.res, infl$dev.res)
    res <- res/sqrt(summary(model)$dispersion * (1 - infl$hat)) # this is the key line
    res[is.infinite(res)] <- NaN
    res
}
因此，在我的示例中，您将通过运行res/sqrt(summary(modl)$dispersion * (1 - influence(modl)$hat))手动计算标准化残差。因此，您需要两件事：hat和dispersion。我假设RevoScaleR提供了色散参数。如果RevoScaleR中没有像influence(modl)$hat那样的帽子值，则必须从头开始：

X <- as.matrix(df[, c("wt", "qsec", "am")]) # Gets the X variables
X <- cbind(rep(1, nrow(df)), X) # adds column for the constant
hat <- diag(X %*% solve(t(X) %*% X) %*% t(X)) # formula for hat values
现在计算您的标准偏差残差：

res_man <- res_raw/sqrt(summary(modl)$dispersion * (1 - hat))
与用rstandard派生的相同：

head(res_man)
        Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout           Valiant 
       -0.6254171        -0.4941877        -1.4885771         0.2297471         0.7217423        -1.1790097 
head(res_std)
        Mazda RX4     Mazda RX4 Wag        Datsun 710    Hornet 4 Drive Hornet Sportabout           Valiant 
       -0.6254171        -0.4941877        -1.4885771         0.2297471         0.7217423        -1.1790097