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R-混合效应模型的均方根误差,r,R,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 + C
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))