泊松回归中的残差

机器算法验证 残差 泊松回归
2022-03-08 06:13:56

Zuur 2013 年 GLM 和 GLMM 初学者指南建议通过根据拟合值绘制 Pearsons 残差来验证泊松回归。Zuur 指出,随着拟合值的增加,我们不应该看到残差呈扇形散开,就像附加的(手绘)图一样。

但我认为泊松分布的一个关键特征是方差随着均值的增加而增加。那么,随着拟合值的增加,我们不应该期望看到残差的变化增加吗?

在此处输入图像描述

1个回答

一旦您了解皮尔逊残差是什么,区别就很明显了。

您是正确的,对于泊松模型,方差随着均值的增加而增加。

结果,普通的原始残差(ri=yiμ^i) 应具有随拟合值增加的分布(尽管不成比例)。

但是,根据模型,Pearson 残差是残差除以方差的平方根 (riP=yiμ^iμ^i泊松模型)。这意味着如果模型是正确的,Pearson 残差应该具有恒定的扩展。

来自简单模拟泊松回归模型的残差图。 左图:原始残差与拟合均值显示随均值增加的分布。 由于数据是离散的,因此残差中存在对角线“条带”。 右图:Pearson 残差显示随着均值变化看起来像恒定分布,并且对角线带现在是弯曲的。