Re：REML残差 - Bug还是真值？谢谢你的回答和解释。我不希望将来建立块，所以'Block'是随机效果。我只使用逐步回归模型进行变量选择，因为这不是用REML实现的。
假设使用以下公式计算学生化残差：
（ https://newonlinecourses.science.psu.edu/stat501/node/401/ ）
- MSE（I） =残差的均方误差，观察我删除
- hii =杠杆
- ei = yi - yihat（对于模型，其中观察i被删除）
我仔细检查了，MSE（i）和ei都不是0。我还检查了hii是否为1，但事实并非如此（ 
https://de.mathworks.com/help/stats/hat-matrix-and-leverage.html ）。我很好奇标准错误如何导致0或缺失。如何计算残差的标准误差？我在这里想念一下吗？
干杯
Re：REML残差 - Bug还是真值？首先，固定或随机效应的选择取决于因子的性质以及您如何看待其对响应的贡献。你能在未来建立同样的街区吗？你能用块级来预测未来的观察吗？这对我来说听起来像是固定的效果。如果将来无法建立相同的块，则此实验中的水平可能是样本，下一个实验将是块的新样本。这听起来像是对我的随机影响。
其次，学生化残差是响应中的估计误差（残差）除以残差的标准误差。您可以看到此标准错误。单击顶部的红色三角形，然后选择“保存列”>“残差标准误差”。这个结果就是我发现的：
（出于保密原因删除了图片。）
因此，用于观察3的学生化残差是不寻常的，因为它具有异常小的标准误差。（认为t比率）观察7的学生化残差缺失，因为缺少标准误差（比率的分母）。
REML残差 - Bug还是真值？嗨，
我在使用REML构建模型方面相对较新。我遇到了残留物的常见行为，我不确定它是否是一个错误：
我没有关于不同因素的相互作用的预知，因此我首先使用逐步回归（在数据表中命名为“SR：Response - BIC”）建立模型，其中我使用阻塞因子作为分类因子。在确定了重要参数之后，我使用REML（在数据表中命名为“REML：Response”）使用与逐步回归模型中相同的参数重建模型，但是我将阻塞因子更改为随机效果。
之后我保存了两个模型的学生残差。逐步回归模型的残差看起来非常“正常”。然而，REML模型的残差包括一个巨大的异常值（运行10），尽管实际与预测的图表没有显示异常。此外，缺少运行4的剩余值，我无法解释为什么会出现这种情况。
有人知道，为什么有异常值存在，为什么残差丢失了？提前致谢！
数据描述：
软件：
