我认为让您感到困惑的问题是您习惯于出现附加错误。大多数型号不会。

不要将线性回归视为具有附加误差的线性平均值，而是将响应视为条件正态：

然后与 GLM 的相似之处，特别是与泊松回归和逻辑回归的相似之处更加清晰。

由于法线的优良特性，可以用均值和附加误差来写法线情况。这对于其他模型并不总是那么好，坚持模型的分布形式是有意义的，或者至少写下编写模型并试图描述的特征。$(Y|X)$$\operatorname{E}(Y|X)$$Y-\operatorname{E}(Y|X)$

[您可以采用任何特定的预测变量组合，并根据其期望值和与该值的偏差来编写响​​应变量——如果你愿意，这是一个“错误”——但当它与其他所有预测变量组合的对象不同时，它并不是特别有启发性。将响应写成作为预测变量函数的分布通常比以偏离预期的形式写出更有用、更直观。]

因此，尽管您可以“使用错误术语”来编写它，但这样做比做其他事情更不方便并且在概念上更难。