In meinem linearen Regressionsmodell habe ich beobachtete Werte und vorhergesagte Werte. Ich mag die Standardabweichung des absoluten Fehlers in R. Werte berechnen Ich denke, es ist so etwas wie das ist, aber nicht sicher:Die Standardabweichung des absoluten Fehlers für ein lineares Regressionsmodell
sd(abs(observed_values-predicted_values))
Ist die O. K.? Gibt es dafür irgendeine Funktion?
Angenommen, Ihr lineares Modell fit lmfit ist, müssen Sie tun:
n <- length(lmfit$residuals) ## number of data/residuals
df.residual <- lmfit$df.residual ## residual degree of freedom
abs.residual <- abs(lmfit$residuals) ## absolute residuals
Nun Proben-Standardabweichung sd(abs.residual) eine vorgespannte Schätzung ist, weil es n-1 Freiheitsgrad in Residuen annimmt. Während tatsächlich gibt es nur df.residual Freiheitsgrad. Also müssen wir tun Bias-Korrektur:
sd(abs.residual) * sqrt((n-1)/df.residual)
Ja, ich bekomme meinen vorhergesagten Wert aus einem linearen Regressionsmodell. Wie sollte ich den Restfreiheitsgrad verwenden? –
ok, ich habe es so gemacht wie du willst nicht oft besuche ich diese Seite. –