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
źródło
sm$sigma^2 * sm$fstatistic[3]/(1+sum(sm$fstatistic[2:3]))
. Oznacza to, że z wiersza przedwiecznego odczytujesz i df, aw ostatnim rzędzie policz liczbę parametrów ( ), dając . 58 1 + 1 8,133 2 × 58 / ( 1 + 1 + 58 ) = 64,57mse <- function(sm) mean(sm$residuals^2)