在R中如何将t分布与glm（）一起使用？

我已经非常确定，我用标准的

lm（）

回归生成的残差可以合理地用6个自由度的t分布建模。我想将

glm（）

用于该错误模型，但我看不出t适合其中一个族。任何关于与t配合良好的

glm（）

替代品的建议，或作为t的替代品（或超集）的合理家族？

Package

heavy

都可以执行t-student回归模型。以下是文档中的一个示例：

library(heavy)
data(ereturns)
fit <- heavyLm(m.marietta ~ CRSP, data = ereturns, family = Student(df = 6))
summary(fit)
# Linear model under heavy-tailed distributions
# Data: ereturns; Family: Student(df = 2.83727) 
# 
# Residuals:
#  Min        1Q    Median        3Q       Max 
# -0.142237 -0.036156  0.003433  0.041310  0.546533 
# 
# Coefficients:
#  Estimate Std.Error Z value p-value
# (Intercept) -0.0072   0.0082   -0.8876  0.3748
# CRSP         1.2637   0.1902    6.6459  0.0000
# 
# Degrees of freedom: 60 total; 58 residual
# Scale estimate: 0.002520795
# Log-likelihood: 71.81294 on 3 degrees of freedom

库（重型）
数据（E）
拟合“误差”…你是指残差吗？是的，我是指残差…GLM不假设残差的分布，所以这一点是没有意义的。呼！我会调查这件事，然后回去集合！我安装了Heavy，并且遇到了一个令人费解的问题：当我运行heavyLm（）时，我得到消息
警告消息：在lsfit（x，y，intercept=FALSE）：“x”矩阵是共线的
，当我对结果调用
summary
时，我收到错误
残差：分位数错误。默认值（resid）：如果'na.rm'为FALSE，则缺少值且不允许使用NaN
听起来您的数据有问题。有些变量可能是100%相关的。但我不能不看你的数据就知道。如果您想问这个问题，我建议您发布一个不同的问题，并添加一个可复制的示例。我已经通过对所有数字列应用caret:：findLinearCombos（）来确认不存在共线列，因此我完全感到困惑。好吧，我想出来了，我有一个虚拟列，对于一个因子来说是多余的。愚蠢的我，它现在不见了。。。