Tôi nghĩ vấn đề khiến bạn bối rối là bạn đã từng có lỗi phụ gia. Hầu hết các mô hình sẽ không.
Hãy nghĩ về hồi quy tuyến tính không phải là một ý nghĩa tuyến tính với một lỗi phụ gia, mà là phản ứng có điều kiện bình thường:
(Y|X)∼N(Xβ,σ2I)
Sau đó, sự tương đồng với GLM, đặc biệt là hồi quy Poisson và hồi quy logisitic rõ ràng hơn.
(Y|X)E(Y|X)Y−E(Y|X)
[Bạn có thể lấy bất kỳ sự kết hợp cụ thể nào của các yếu tố dự đoán và viết biến phản hồi theo kỳ vọng của nó và độ lệch từ đó - một "lỗi" nếu bạn muốn - nhưng nó không đặc biệt phát sáng khi nó là một đối tượng khác với mọi kết hợp dự đoán khác. Thông thường sẽ có nhiều thông tin và trực quan hơn khi chỉ viết phản hồi dưới dạng phân phối là chức năng của các yếu tố dự đoán hơn là ở dạng lệch so với dự kiến.]
Vì vậy, trong khi bạn có thể viết nó 'với một thuật ngữ lỗi' thì điều đó chỉ kém thuận tiện và khó thực hiện hơn là làm những việc khác.