在R中，幸存的“ldcase”和“ldresp”残差是什么？

Question

我试图了解在幸存模型上运行残差函数产生的“ld”残差是什么？

例如

library(survival)
mod <- survreg(Surv(time, status -1) ~  age , data = lung)
residuals( mod , "ldcase")
residuals( mod, "ldshape")
residuals( mod , "ldresp")

剩余功能的文档说明如下：

  

基于这些数量的诊断在一篇文章中讨论   Escobar和Meeker。主要是可能的位移   用于扰动案件重量（ldcase）的残差，即响应   value（ldresp）和形状。

     

参考

     

Escobar，L。A.和Meeker，W。Q.（1992）。评估影响力   使用删失数据进行回归分析。生物识别技术48,507-528。

特别是对于案例权重“ldcase”，我从参考文献中得出的理解是，这些残差表示通过将受试者的体重设置为2来拟合原始模型和相同模型之间的对数似然差异的两倍估计值。 / p>

然而，当我尝试自己手动编码时，我的派生值似乎与剩余函数产生的值完全没有关系（下面完全可重现的例子）：

library(survival)
library(ggplot2)

mod <- survreg( Surv(time, status -1) ~  age ,    data = lung)

get_ld <- function(i, mod){
    weight <- rep(1 , nrow(lung))
    weight[i] <- 2
    modw <- survreg( 
        Surv(time, status -1) ~  age  , 
        data = lung , 
        weights = weight
    )
    2 * as.numeric(logLik(mod) - logLik(modw))
}

dat <- data.frame(
    ld =  sapply( 1:nrow(lung), get_ld , mod = mod),
    ld_est = residuals(mod , "ldcase")
)

ggplot( data = dat , aes( x = ld_est , y = ld)) + geom_point()

此外，从论文中，这些残差应该以2 * chisq（p + 2）分布分布，在这种情况下，p = 1给出单侧95％截止点15.62，这意味着我手动派生残差至少在正确的范围内，这让我对“ldcase”返回的残差究竟是什么感到困惑？