R-混合效应模型的均方根误差

你能告诉我当你进行一个混合效应模型时，如何得到/计算R中的RMSE（均方根误差）值吗

Data: na.omit(binh) 
       AIC      BIC    logLik
  888.6144 915.1201 -436.3072

Random effects:
 Formula: ~1 | Study
        (Intercept) Residual
StdDev:    3.304345 1.361858

Fixed effects: Eeff ~ ADF + CP + DE + ADF2 + DE2 
                Value Std.Error  DF   t-value p-value
(Intercept)  -0.66390 18.870908 158 -0.035181  0.9720
ADF           1.16693  0.424561 158  2.748556  0.0067
CP            0.25723  0.097524 158  2.637575  0.0092
DE          -36.09593 12.031791 158 -3.000046  0.0031
ADF2         -0.03708  0.011014 158 -3.366625  0.0010
DE2           4.77918  1.932924 158  2.472513  0.0145
 Correlation: 
     (Intr) ADF    CP     DE     ADF2  
ADF  -0.107                            
CP   -0.032  0.070                     
DE    0.978 -0.291 -0.043              
ADF2  0.058 -0.982 -0.045  0.250       
DE2  -0.978  0.308  0.039 -0.997 -0.265

Standardized Within-Group Residuals:
        Min          Q1         Med          Q3         Max 
-2.28168116 -0.45260885  0.06528363  0.57071734  2.54144168 

Number of Observations: 209
Number of Groups: 46 

---

您没有给出用于创建模型的函数的详细信息，但它们倾向于使用相同的名称存储其残差，您可以使用

str（）

进行检查，并且可以很容易地从残差计算RMSE：

#make a model
library(nlme)
r <- lme(conc ~ age, data=IGF)

#get the RMSE
r.rmse <- sqrt(mean(r$residuals^2))

#制作一个模型
图书馆（nlme）
r这应该在crossvalidated.com上。@RomanLuštrik：如果只是关于如何计算RMSE，就不会了，对吗？（与“对于混合模型，什么是合适的伪R^2度量”相反，这肯定会用于交叉验证，并在……中讨论。更一般地说，行为良好的建模函数应该实现
残差（）
方法，但在某些情况下，对于返回的残差类型（缩放、Pearson、偏差、学生化…），您必须稍微小心一点@BenBolker什么样的残差最适合于rmse计算？这取决于您计算rmse的原因。您想如何解释它？这可能是一个交叉验证的问题。。。
r.rmse <- sqrt(mean(residuals(r)^2))