Cómo obtener el valor del error cuadrático medio en una regresión lineal en R

Deje que un modelo de regresión lineal obtenido por la función R lm quisiera saber si es posible obtenerlo mediante el comando Error al cuadrado medio.

Tuve la SIGUIENTE salida de un ejemplo

> 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

Múltiple R-cuadrado es el error de suma cuadrada? si la respuesta es no, podría explicar el significado de Múltiple R cuadrado y Múltiple R cuadrado

r regression error

— Cyberguille
fuente

El R cuadrado múltiple que informa R es el coeficiente de determinación , que viene dado por la fórmula

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

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

La suma de los errores al cuadrado está dada (gracias a una respuesta previa ) por sum(sm$residuals^2).

El error cuadrático medio viene dado por mean(sm$residuals^2). Podría escribir una función para calcular esto, por ejemplo:

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

— fbt
fuente

+1. Otra solución, basada solo en lo que es visible en la salida , es sm$sigma^2 * sm$fstatistic[3]/(1+sum(sm$fstatistic[2:3])). Es decir, desde la fila antepenúltima se leen los y df y en la fila final se cuenta el número de parámetros ( ), dando .

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

Antepenultimate es una gran palabra.

— fbt

Como de costumbre, una forma mucho más ordenada es escribirmse <- function(sm) mean(sm$residuals^2)

— Marius Hofert

> ¿No es que el error cuadrático medio está dado por los residuos ^ 2 / error df de la tabla ANOVA en lugar de la media (residuos ^ 2). El último es el cuadrado de error de predicción medio. No estoy seguro si me falta algo de comprensión. Lo siento, no tengo suficientes puntos de reputación para publicar un comentario.

— SrikanthRaja

Pero estoy de acuerdo con lo que dijo user45409. Según lo que aprendí, MSE = residuales ^ 2 / error df.

— vtshen