R中glm（y~x，family=poisson（link=log））的残差（XX）和XX$残差之差

我正在执行以下程序

glm（y~x，family=poisson（link=log））

。我无法理解

残差（XX）

和

XX$residuals

之间的区别。我想知道

残差（XX）

和

XX$残差

来自哪里，以及与

偏差的关系。请给我一些建议

x<-c(1,2,3,4)
y<-c(2,3,7,6)
r<-glm(y~x,family=poisson(link="log"))
#Call:  glm(formula = y ~ x, family = poisson(link = "log"))
#Coefficients:
#(Intercept)            x  
#     0.4978       0.3691  
#Degrees of Freedom: 3 Total (i.e. Null);  2 Residual
#Null Deviance:      3.961 
#Residual Deviance: 1.064        AIC: 18.13

deviance(r)# [1] 1.063829
sum(residuals(r)^2)# [1] 1.063829
residuals(r)# -0.2530074 -0.2434844  0.8533358 -0.4608144

sum(r$residuals^2)# [1] 0.234646
r$residuals# -0.1594713 -0.1283418  0.4061298 -0.1667391

x谢谢。我明白了

残差（r）=残差（x，type=“偏差”）
方法
r$残差=残差（x，type=“working”）
提示：看看
stats:：residuals.glm
帮助（关于相关函数）是最好的开始。
residuals(r)# -0.2530074 -0.2434844  0.8533358 -0.4608144
residuals(r,type="deviance")# -0.2530074 -0.2434844  0.8533358 -0.4608144

mu<-r$fitted# 2.379455 3.441716 4.978203 7.200626
poisson.dev<-function(y,mu) 2*(y*log(ifelse(y==0,1,y/mu))-(y-mu))
sqrt(poisson.dev(y,r$fitted))*ifelse(r$fitted<y,1,-1)# -0.2530074 -0.2434844      0.8533358

deviance(r)# [1] 1.063829
sum(residuals(r)^2)# [1] 1.063829

r$residuals#-0.1594713 -0.1283418  0.4061298 -0.1667391
residuals(r,type="working")#-0.1594713 -0.1283418  0.4061298 -0.1667391
(y-r$fitted)/r$fitted#-0.1594713 -0.1283418  0.4061298 -0.1667391