Como obter o valor do erro médio quadrático em uma regressão linear em R

Deixe um modelo de regressão linear obtido pela função R lm gostaria de saber se é possível obter pelo comando Erro Quadrático Médio.

Eu tive a seguinte saída de um exemplo

> 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

R-quadrado múltiplo é o erro da soma quadrada? se a resposta for não, poderia explicar o significado de R múltiplo ao quadrado e R múltiplo ao quadrado

r regression error

— Cyberguille
fonte

O múltiplo R ao quadrado que R informa é o coeficiente de determinação , que é dado pela fórmula

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

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

A soma dos erros quadráticos é dada (graças a uma resposta anterior ) por sum(sm$residuals^2).

O erro quadrático médio é dado por mean(sm$residuals^2). Você pode escrever uma função para calcular isso, por exemplo:

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

— fbt
fonte

+1. Outra solução, baseada apenas no que é visível na saída , é sm$sigma^2 * sm$fstatistic[3]/(1+sum(sm$fstatistic[2:3])). Ou seja, na linha antepenúltima você lê os e df e na linha final conta o número de parâmetros ( ), fornecendo .

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

Antepenúltimo é uma grande palavra.

— fbt 16/07

Como de costume, uma maneira mais limpa tanto é escrevermse <- function(sm) mean(sm$residuals^2)

— Marius Hofert

> Não é que o erro quadrático médio seja dado pelos resíduos ^ 2 / erro df da tabela ANOVA em vez da média (resíduos ^ 2). O último é o quadrado médio do erro de previsão. Não tenho certeza se estou perdendo algum entendimento. Desculpe, não tenho pontos de reputação suficientes para postar um comentário.

— SrikanthRaja

Mas eu concordo com o que o user45409 disse. De acordo com o que aprendi, MSE = resíduos ^ 2 / erro df.

— vtshen 01/09/16