आप मुझे बता सकते क्या GLM $ बच और resid (GLM) द्वारा दिया जाता है जहां GLM एक quasipoisson वस्तु है। जैसे मैं उन्हें glm $ y और glm $ linear.predictors का उपयोग करके कैसे बनाऊंगा।
GLM $ बच
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
न्यूनतम: -4,243 -3,552 -3,509 -3,481 -3,464 उच्चतम : 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
न्यूनतम: -1,0000 -0,8415 -0,8350 -0,8333 -0,8288 उच्चतम: 7,2491 7,6110 7,6486 7,9574 10,1932
यह बहुत अच्छा है। अब मुझे केवल यह जानने की जरूरत है कि प्रत्येक प्रकार का अवशिष्ट रिग्रेशन डायग्नोस्टिक्स करने में सबसे उपयोगी होता है। नीचे दिए गए आदम द्वारा बनाई गई पुस्तक अनुशंसा (हार्डिन और हिल्बे द्वारा "सामान्यीकृत रैखिक मॉडल और एक्सटेंशन) उपयोगी, कोई अन्य सुझाव प्रतीत होता है? –