来自 R 的多元线性回归和 MSE答案

【问题标题】：Multiple Linear Regression and MSE from R来自 R 的多元线性回归和 MSE
【发布时间】：2014-12-26 01:21:01
【问题描述】：

有一个数据集（在这里找到-https://netfiles.umn.edu/users/nacht001/www/nachtsheim/Kutner/Appendix%20C%20Data%20Sets/APPENC01.txt），我已经为线性回归做了一些 R 编码。在附加的数据集中，列未标记。我必须标记数据集的列并将其另存为 csv，我很抱歉我无法在这里得到它……但我使用的列是第 3 列（年龄）第 4 列（感染）第 5 列（文化比）列10（人口普查）和第 12 栏（服务），第 9 栏（地区）。我将数据集命名为医院。

我应该“对于每个地理区域，使用一阶回归模型对预测变量年龄、文化、人口普查、服务回归感染风险 (Y)。然后我需要找到每个区域的 MSE。这是我有的代码。

NE<- subset(hospital, region=="1")
NC<- subset(hospital, region=="2")
S<- subset(hospital, region=="3")
W<- subset(hospital, region=="4")

然后做一个一阶线性回归模型，我使用每个的基本代码

NE.Model<- lm(NE$infection~ NE$age + NE$culratio + NE$census + NE$service)
summary(NE.Model)

我可以得到调整后的 R 平方值，但是如何从这个输出中找到 MSE？

【问题讨论】：

mean(NE.Model$residuals^2) 应该可以工作。

标签： r linear-regression

【解决方案1】：

将我的评论移至答案。 “误差”或“残差”是模型对象NE.Model$residuals 的一部分，因此获得均方误差就这么简单：mean(NE.Model$residuals^2)。

请注意，您可以通过在模型中拟合 region 固定效应项，然后计算每个残差子集的 MSE，从而以更少的步骤完成此操作。真的是一样的区别。

【讨论】：

非常感谢。我还有另一个问题，但我现在无法发布它，因为我刚刚发布了这个问题。在这种情况下，我如何找到两个变量之间关系的 98% 置信区间？我有代码 g
@hk47 我喜欢arm 包，因为它的se.coef 函数可以提取系数的标准误差。所以你的 CI 的宽度是se.coef(NE.Model) 乘以你想要的任何 alpha 级别，例如qnorm(0.975) 95% 或 qnorm(0.99) 98%。