Jak uzyskać wartość średniego błędu kwadratu w regresji liniowej w R.

Niech model regresji liniowej uzyskany przez funkcję R lm chciałby wiedzieć, czy można to uzyskać za pomocą polecenia Mean Squared Error.

Miałem następujący wynik w przykładzie

> lm <- lm(MuscleMAss~Age,data)
> sm<-summary(lm)
> sm

Call:
lm(formula = MuscleMAss ~ Age, data = data)

Residuals:
     Min       1Q   Median       3Q      Max 
-16.1368  -6.1968  -0.5969   6.7607  23.4731 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 156.3466     5.5123   28.36   <2e-16 ***
Age          -1.1900     0.0902  -13.19   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 8.173 on 58 degrees of freedom
Multiple R-squared:  0.7501,    Adjusted R-squared:  0.7458 
F-statistic: 174.1 on 1 and 58 DF,  p-value: < 2.2e-16

Wiele kwadratów R to błąd sumy kwadratów? jeśli odpowiedź brzmi „nie”, można wyjaśnić znaczenie wielokrotnego kwadratu R i wielokrotnego kwadratu R.

r regression error

— Cyberguille
źródło

Wielokrotność kwadratu R zgłoszonego przez R jest współczynnikiem determinacji podanym we wzorze

R^{2)} = 1 - \frac{S. {S.}_{res}}{S. {S.}_{brzdąc}} .

$R^2 = 1 - \frac{SS_{\text{res}}}{SS_{\text{tot}}}.$

Suma błędów do kwadratu jest podawana (dzięki poprzedniej odpowiedzi ) przez sum(sm$residuals^2).

Średni błąd kwadratowy jest podawany przez mean(sm$residuals^2). Możesz napisać funkcję do obliczenia tego, np .:

mse <- function(sm) 
    mean(sm$residuals^2)

— fbt
źródło

+1. Innym rozwiązaniem, opartym tylko na tym, co widać na wydruku , jest sm$sigma^2 * sm$fstatistic[3]/(1+sum(sm$fstatistic[2:3])). Oznacza to, że z wiersza przedwiecznego odczytujesz i df, aw ostatnim rzędzie policz liczbę parametrów ( ), dając .

8.173

$8.173$

58

$58$

1 + 1

$1+1$

{8.173}^{2} \times 58 / (1 + 1 + 58) = 64.57

$8.173^2\times 58/(1+1+58) = 64.57$

— whuber

Antepenultimate to świetne słowo.

— fbt

Jak zwykle, znacznie ładniejszym sposobem jest pisaniemse <- function(sm) mean(sm$residuals^2)

— Marius Hofert

> Czy nie oznacza to, że średni błąd kwadratowy jest podawany przez reszty ^ 2 / błąd df z tabeli ANOVA zamiast średniej (reszty ^ 2). Ta ostatnia jest średnim kwadratem błędu prognozowania. Nie jestem pewien, czy brakuje mi zrozumienia. Niestety nie mam wystarczającej liczby punktów reputacji, aby opublikować komentarz.

— SrikanthRaja

Ale zgadzam się z tym, co powiedział użytkownik45409. Zgodnie z tym, czego się nauczyłem, MSE = resztki ^ 2 / błąd df.

— vtshen