偏差残差图逻辑回归
deviance residual plot logistic regressioon
对于我的 class 项目，我们应该对 Framingham 数据集使用拟合逻辑回归。
fit_select <- glm(Event~Sex+age.group+I(log(Cigar.Day+1))+BP.Med+Prev.Hyp+Diab+ I(log(Tol.Chol))+BMI+Gluc+bp.level, data= data, family = binomial(link="logit"))
当我们尝试绘制偏差残差时，（我知道这些应该是二项式的，但我们有超过 3000 个观察值，所以根据 CLT，它们应该表现正常）
qqnorm(residuals(fit_select, type = "deviance"))
我们得到
怎么了？我不确定如何解释这一点。
When we try to plot deviance residuals, (and I know that those are
supposed to be binomial, but we have over 3000 observations, so by CLT
those should behave normally)
当你有二进制响应时，它不应该是正态分布的。您需要计数数据才能获得正态近似值。我没记错的话，粗略的经验法则是二项式和泊松模型的预期计数为 5 或更大。
What is wrong? I am not sure how to interpret this.
当您有二进制响应时，您不能将绘图用于任何事情。
对于我的 class 项目，我们应该对 Framingham 数据集使用拟合逻辑回归。
fit_select <- glm(Event~Sex+age.group+I(log(Cigar.Day+1))+BP.Med+Prev.Hyp+Diab+ I(log(Tol.Chol))+BMI+Gluc+bp.level, data= data, family = binomial(link="logit"))
当我们尝试绘制偏差残差时，（我知道这些应该是二项式的，但我们有超过 3000 个观察值，所以根据 CLT，它们应该表现正常）
qqnorm(residuals(fit_select, type = "deviance"))
我们得到
怎么了？我不确定如何解释这一点。
When we try to plot deviance residuals, (and I know that those are supposed to be binomial, but we have over 3000 observations, so by CLT those should behave normally)
当你有二进制响应时，它不应该是正态分布的。您需要计数数据才能获得正态近似值。我没记错的话，粗略的经验法则是二项式和泊松模型的预期计数为 5 或更大。
What is wrong? I am not sure how to interpret this.
当您有二进制响应时，您不能将绘图用于任何事情。