我想根据0和1膨胀的beta回归来计算围绕预测的预测置信区间。我认为解决问题的最佳方法是使用引导程序。我用来拟合我的模型的包是r中的gamlss。为了获得我的引导预测置信区间，我遵循以下过程：
这是我在标准线性回归模型中使用的常用程序，从我收集的数据来看，它仍应适用于我正在尝试使用膨胀的beta回归的方法。
我的问题是，在这种情况下，应该重新采样哪种类型的残差更合适。为了评估模型的性能，我已经看到人们使用分位数残差，但是我不确定使用这种变换残差会产生什么影响，以及在这种情况下是否合适。
如果有人过去已经进行过类似的练习，我们将非常感谢您的帮助，更重要的是要获得指导以了解在这种情况下哪种残差类型是正确的，以及使用其他类型残差的含义（皮尔森说，偏差，学习……）
谢谢