Расчет MSS и RSS в R

Я пытаюсь вычислить MSS и RSS, используя выходные данные и компоненты регрессионной модели, которую я создал (model.1)

 model.1<-glm(wbw.df$x.percap ~ wbw.df$y.percap,family=gaussian)

На какой части вывода мне нужно сосредоточиться? Например:

Call:
glm(formula = wbw.df$x.percap ~ wbw.df$y.percap, family = gaussian)

Deviance Residuals: 
      Min         1Q     Median         3Q        Max  
-0.061191  -0.006350  -0.005931  -0.003722   0.275066  

Coefficients:
                      Estimate Std. Error t value Pr(>|t|)    
(Intercept)           0.006458   0.002766   2.334 0.021022 *  
wbw.df$totwlth.percap 0.030566   0.008933   3.422 0.000819 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for gaussian family taken to be 0.001005281)

    Null deviance: 0.15050  on 139  degrees of freedom
Residual deviance: 0.13873  on 138  degrees of freedom
  (1 observation deleted due to missingness)
AIC: -565.06

Number of Fisher Scoring iterations: 2

Заранее спасибо.

Источник

2 ответа

Решение

Я не уверен, что понимаю, почему вы подходите модели glm, Я предлагаю использовать обычные наименьшие квадраты для подгонки модели:

lm(wbw.df$x.percap ~ wbw.df$y.percap)

Затем вы можете использовать функцию residuals

residuals(lm(wow.df$x.percap ~ wbw.df$y.percap))

чтобы получить вектор остатков. С его помощью возведите в квадрат каждый и суммируйте результат.

Я надеюсь, что это полезно.

Источник

Поскольку вы используете glm, библиотека qpcR может вычислять остаточную сумму квадратов nls, lm, glm, drc или любых других моделей, из которых могут быть извлечены остатки. Здесь функция RSS(fit) возвращает значение RSS модели.

      install.packages('qpcR')
library(qpcR)
model.1<-glm(wbw.df$x.percap ~ wbw.df$y.percap,family=gaussian)
RSS(model.1)

проверьте ссылку, чтобы увидеть другие функции qpcR

Источник
Другие вопросы по тегам