Як отримати значення середньої квадратичної помилки в лінійній регресії в R

Нехай модель лінійної регресії, отримана функцією R, хотіла б знати, чи можливо її отримати за допомогою команди Середня квадратична помилка.

У мене був наступний результат прикладу

> 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

Множина R-квадрата - це помилка квадрата суми? якщо відповідь "ні", не можна було б пояснити значення множинних R-квадратів та кількох R-квадратів

r regression error

— Кібергіль
джерело

Множина R-квадрата, яку R повідомляє, - це коефіцієнт визначення , який задається формулою

R^{2} = 1 - \frac{S S_{рез}}{S S_{тот}} .

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

Сума помилок у квадраті дається (завдяки попередній відповіді ) від sum(sm$residuals^2).

Середня квадратична помилка задається числом mean(sm$residuals^2). Ви можете написати функцію для її обчислення, наприклад:

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

— fbt
джерело

sm$sigma^2 * sm$fstatistic[3]/(1+sum(sm$fstatistic[2:3]))

8.173

$8.173$

58

$58$

1 + 1

$1+1$

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

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

Антепентулімат - це чудове слово.

— fbt

Як завжди, писати набагато акуратнішеmse <- function(sm) mean(sm$residuals^2)

— Маріус Хоферт,

> Чи не така середня квадратична помилка задається залишками ^ 2 / помилка df з таблиці ANOVA замість середніх (залишки ^ 2). Останнє - середній квадрат помилки прогнозування. Не впевнений, чи не пропускаю я розуміння. Вибачте, мені не вистачає репутаційних балів, щоб розмістити коментар.

— SrikanthRaja

Але я згоден з тим, що сказав user45409. Відповідно до того, що я дізнався, MSE = залишки ^ 2 / помилка df.

— vtshen