我已经确定地确定了我用标准lm()回归生成的残差可以通过具有6-ish自由度的t分布合理地建模。我希望glm()使用该错误模型，但我没有看到t适合其中一个系列。关于glm()的替代方案与t一起发挥作用的任何建议，或者一个能够替代（或超集）t的家庭的任何建议？
答案 0 :(得分：2)
包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
可以执行t-student回归模型。以下是文档中的示例：
HTTPRedirectHandler