NLS 模型回归的标准误答案

【问题标题】：Standard Error of the Regression for NLS ModelNLS 模型回归的标准误
【发布时间】：2020-05-16 14:02:15
【问题描述】：

我目前正在使用 nls 模型对各种数据集进行非线性分析。另一方面，我想计算nls模型回归的标准误差。

回归标准误的公式：

n <- nrow(na.omit((data))

SE = (sqrt(sum(pv-av)^2)/(n-2))

其中pv 是预测值，av 是实际值。

我在计算标准误差时遇到问题。我应该先计算预测值和实际值吗？这些值是否基于数据集？非常感谢任何帮助。谢谢。

【问题讨论】：

您可以使用predict(your_model, your_data) 获得预测值，其中your_model 是NLS 模型，your_data 是进入其中的数据框。残差可从resid(your_model) 找到。但是没有必要从头开始计算 SE，除非你愿意。残差的标准误差可以从summary(your_model)$sigma获得。或者您可以查看broom 包中的其他方法来总结模型。

【解决方案1】：

R通过@ 987654321提供这一点：

fm <- nls(demand ~ a + b * Time, BOD, start = list(a = 1, b = 1))
sigma(fm)
## [1] 3.085016

这也将在deviance提供残余的方块。

sqrt(deviance(fm) / (nobs(fm) - length(coef(fm))))
## [1] 3.085016

【讨论】：