如何在R的线性回归中获得均方误差的值

让由R函数lm获得的线性回归模型想知道是否可以通过均方误差命令获得。

我有一个示例的以下输出

> 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

多个R平方和是平方和误差吗？如果答案为否，则可以解释“多重R平方”和“多重R平方”的含义

r regression error

— 赛博吉尔
source

R报告的多个R平方是确定系数，由公式给出

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

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

平方误差的总和由给出（由于先前的答案）sum(sm$residuals^2)。

均方误差由给出mean(sm$residuals^2)。您可以编写一个函数来计算此值，例如：

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

— fbt
source

+1。仅基于输出中可见的另一种解决方案是sm$sigma^2 * sm$fstatistic[3]/(1+sum(sm$fstatistic[2:3]))。也就是说，从行中读取和 df，并在最后一行中计数参数的数量（），。

8.173

$8.173$

58

$58$

1 + 1

$1+1$

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

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

— ub

倒数第二个是一个好词。

— fbt

像往常一样，更整洁的方式是写作mse <- function(sm) mean(sm$residuals^2)

— Marius Hofert

>不是由ANOVA表中的残差^ 2 /误差df给出均方误差，而不是均值（残差^ 2）。后者是平均预测误差平方。不知道我是否缺少一些了解。抱歉，我没有足够的声誉积分来发表评论。

— SrikanthRaja

但是我同意user45409所说的。据我了解，MSE =残差^ 2 /误差df。

— vtshen