我目前正在从事一个涉及GLM（最终是GAM）的项目，这些项目随着时间的推移会越来越多。通常，我会在SAS中执行此操作，但是我试图移至R，并遇到了一些问题。
当我适合使用以下方法对GLM进行计数时：
cdi_model <- glm(counts ~ exposure + covariate + month, data=test, family = poisson)
我得到：
Deviance Residuals:
Min 1Q Median 3Q Max
-1.9825 -0.7903 -0.1187 0.5717 1.7649
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.97563 0.20117 9.821 < 2e-16 ***
exposure 0.94528 0.30808 3.068 0.00215 **
covariate -0.01317 0.28044 -0.047 0.96254
months -0.03203 0.01303 -2.458 0.01398 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 40.219 on 29 degrees of freedom
Residual deviance: 29.297 on 26 degrees of freedom
AIC: 137.7
Number of Fisher Scoring iterations: 5暂时忽略模型本身的性能或缺乏性能-此时主要是在使用语法等。
但是，当我尝试拟合费率数据（计数/人日）并使用像这样的偏移量时：
cdi_model <- glm(count_rate ~ exposure + covariate + months + offset(log(pd)), data=test, family = poisson)
我收到50多个警告，所有警告均为“ 1：在dpois（y，mu，log = TRUE）：非整数x = 0.002082”，等等。对于每个观察结果，该警告不只一个（数据集中只有30个）。
此外，模型拟合似乎很有效。输出如下：
Deviance Residuals:
Min 1Q Median 3Q Max
-0.0273656 -0.0122169 0.0002396 0.0072269 0.0258643
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -15.40110 15.12772 -1.018 0.309
exposure 0.84848 22.18012 0.038 0.969
covariate -0.02751 21.31262 -0.001 0.999
months -0.01889 0.95977 -0.020 0.984
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 0.0068690 on 29 degrees of freedom
Residual deviance: 0.0054338 on 26 degrees of freedom
AIC: Inf
Number of Fisher Scoring iterations: 9尽管如此，如果我将预测的速率与实际数据作图，拟合度看起来并没有那么差，并且实际效果估计似乎并没有太大变化。
任何人都知道发生了什么事-还是一切正常，又由于经验不足而错过了某些东西？