Cara mendapatkan nilai Mean squared error dalam regresi linier di R

Biarkan model regresi linier yang diperoleh oleh fungsi R lm ingin tahu apakah mungkin diperoleh dengan perintah Mean Squared Error.

Saya memiliki output BERIKUT dari contoh

> 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

Multiple R-squared adalah jumlah kesalahan kuadrat? jika jawabannya adalah tidak bisa menjelaskan arti Multiple R-squared dan Multiple R-squared

r regression error

— Cyberguille
sumber

Multiple R-squared yang dilaporkan R adalah koefisien determinasi , yang diberikan oleh rumus

R^{2} = 1 - \frac{S S_{res}}{S S_{tot}} .

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

Jumlah kesalahan kuadrat diberikan (berkat jawaban sebelumnya ) oleh sum(sm$residuals^2).

Kesalahan kuadrat rata-rata diberikan oleh mean(sm$residuals^2). Anda dapat menulis fungsi untuk menghitung ini, misalnya:

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

— fbt
sumber

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

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

Antepenultimate adalah kata yang bagus.

— fbt

Seperti biasa, cara yang jauh lebih rapi adalah menulismse <- function(sm) mean(sm$residuals^2)

— Marius Hofert

> Bukankah itu berarti kuadrat kesalahan diberikan oleh residual ^ 2 / error df dari tabel ANOVA, bukan rata-rata (residual ^ 2). Yang terakhir adalah mean error prediksi kotak. Tidak yakin apakah saya kehilangan pemahaman. Maaf, saya tidak memiliki poin reputasi yang cukup untuk mengirim komentar.

— SrikanthRaja

Tapi saya setuju apa yang dikatakan user45409. Menurut apa yang saya pelajari, MSE = residual ^ 2 / error df.

— vtshen