Stata中负二项回归残差估计的操作流程是否正确？

你的操作在语法上是可行的，但从模型诊断的专业角度来看，并不是最优选择。

负二项模型属于广义线性模型（GLM），这类模型的响应变量服从非正态分布，且方差与均值存在关联。直接用观测值减去预测值得到的原始残差，不具备正态残差的良好性质（比如方差不齐），在模型拟合效果判断中的参考价值非常有限。

在Stata里，predict命令本身就支持直接生成适合GLM的专业残差类型，无需手动计算，常用的有：

• Pearson残差：考虑了方差与均值的关联，命令为 predict pearson_resid, pearson
• 偏差残差：基于模型偏差分解得到，更适合评估整体拟合效果，命令为 predict deviance_resid, deviance

如果一定要生成原始残差，也可以用predict直接生成预测值再计算：

predict yhat, nbreg
generate raw_resid = y - yhat

但还是建议优先使用专业残差类型做模型诊断。

内容的提问来源于stack exchange，提问作者Simon