Re：REML殘差 - Bug還是真值？謝謝你的回答和解釋。我不希望將來建立塊，所以'Block'是隨機效果。我只使用逐步回歸模型進行變量選擇，因為這不是用REML實現的。
假設使用以下公式計算學生化殘差：
（ https://newonlinecourses.science.psu.edu/stat501/node/401/ ）
- MSE（I） =殘差的均方誤差，觀察我刪除
- hii =槓桿
- ei = yi - yihat（對於模型，其中觀察i被刪除）
我仔細檢查了，MSE（i）和ei都不是0。我還檢查了hii是否為1，但事實並非如此（ 
https://de.mathworks.com/help/stats/hat-matrix-and-leverage.html ）。我很好奇標準錯誤如何導致0或缺失。如何計算殘差的標準誤差？我在這裡想念一下嗎？
乾杯
Re：REML殘差 - Bug還是真值？首先，固定或隨機效應的選擇取決於因子的性質以及您如何看待其對響應的貢獻。你能在未來建立同樣的街區嗎？你能用塊級來預測未來的觀察嗎？這對我來說聽起來像是固定的效果。如果將來無法建立相同的塊，則此實驗中的水平可能是樣本，下一個實驗將是塊的新樣本。這聽起來像是對我的隨機影響。
其次，學生化殘差是響應中的估計誤差（殘差）除以殘差的標準誤差。您可以看到此標準錯誤。單擊頂部的紅色三角形，然後選擇“保存列”>“殘差標準誤差”。這個結果就是我發現的：
（出於保密原因刪除了圖片。）
因此，用於觀察3的學生化殘差是不尋常的，因為它具有異常小的標準誤差。（認為t比率）觀察7的學生化殘差缺失，因為缺少標準誤差（比率的分母）。
REML殘差 - Bug還是真值？嗨，
我在使用REML構建模型方面相對較新。我遇到了殘留物的常見行為，我不確定它是否是一個錯誤：
我沒有關於不同因素的相互作用的預知，因此我首先使用逐步回歸（在數據表中命名為“SR：Response - BIC”）建立模型，其中我使用阻塞因子作為分類因子。在確定了重要參數之後，我使用REML（在數據表中命名為“REML：Response”）使用與逐步回歸模型中相同的參數重建模型，但是我將阻塞因子更改為隨機效果。
之後我保存了兩個模型的學生殘差。逐步回歸模型的殘差看起來非常“正常”。然而，REML模型的殘差包括一個巨大的異常值（運行10），儘管實際與預測的圖表沒有顯示異常。此外，缺少運行4的剩餘值，我無法解釋為什麼會出現這種情況。
有人知道，為什麼有異常值存在，為什麼殘差丟失了？提前致謝！
數據描述：
軟件：
