Comment obtenir la valeur de l'erreur quadratique moyenne dans une régression linéaire dans R

Soit un modèle de régression linéaire obtenu par la fonction R lm voudrait savoir s'il est possible de l'obtenir par la commande Mean Squared Error.

J'ai eu la sortie SUIVANTE d'un exemple

> lm <- lm(MuscleMAss~Age,data)
> sm<-summary(lm)
> sm

Call:
lm(formula = MuscleMAss ~ Age, data = data)

Residuals:
     Min       1Q   Median       3Q      Max 
-16.1368  -6.1968  -0.5969   6.7607  23.4731 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 156.3466     5.5123   28.36   <2e-16 ***
Age          -1.1900     0.0902  -13.19   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 8.173 on 58 degrees of freedom
Multiple R-squared:  0.7501,    Adjusted R-squared:  0.7458 
F-statistic: 174.1 on 1 and 58 DF,  p-value: < 2.2e-16

Plusieurs R au carré est l'erreur de somme des carrés? si la réponse est non, cela pourrait expliquer la signification de Multiple R-carré et Multiple R-carré

Le multiple R au carré que R rapporte est le coefficient de détermination , qui est donné par la formule

La somme des erreurs quadratiques est donnée (grâce à une réponse précédente ) par sum(sm$residuals^2).

L'erreur quadratique moyenne est donnée par mean(sm$residuals^2). Vous pouvez écrire une fonction pour calculer cela, par exemple:

mse <- function(sm) 
    mean(sm$residuals^2)