Acho que o problema que o confunde é que você está acostumado a ter um erro aditivo. A maioria dos modelos não.
Pense na regressão linear não como uma média linear com um erro aditivo, mas como a resposta sendo condicionalmente normal:
( Y| X) ∼ N( Xβ, σ2Eu)
Então as semelhanças com GLMs, em particular, com regressão de Poisson e regressão logisítica são mais claras.
( Y| X)E( Y| X)Y- E( Y| X).
[Você pode pegar qualquer combinação específica de preditores e escrever a variável de resposta em termos de expectativa e um desvio em relação a isso - um 'erro' se desejar - mas não é particularmente esclarecedor quando é um objeto diferente de qualquer outra combinação de preditores. Geralmente é mais informativo e mais intuitivo simplesmente escrever a resposta como uma distribuição que é uma função dos preditores do que na forma de desvio da expectativa.]
Portanto, embora você possa escrevê-lo 'com um termo de erro', é apenas menos conveniente e conceitualmente mais difícil fazê-lo do que fazer outras coisas.