Стандартная ошибка регрессии для модели NLS - PullRequest
Новая
       6

Стандартная ошибка регрессии для модели NLS

1 голос
/ 31 января 2020

В настоящее время я работаю над нелинейным анализом различных наборов данных с использованием модели nls. С другой стороны, я хочу вычислить стандартную ошибку регрессии модели nls.

Формула стандартной ошибки регрессии: 

n <- nrow(na.omit((data))

SE = (sqrt(sum(pv-av)^2)/(n-2))

, где pv - это прогнозируемое значение, а av - фактическое значение.

У меня проблема с вычислением стандартной ошибки. Должен ли я сначала рассчитать прогнозируемое значение и фактическое значение? Значения основаны на наборе данных? Любая помощь высоко ценится. Благодарю вас.

1 Ответ

1 голос
/ 31 января 2020

R обеспечивает это через sigma: 

fm <- nls(demand ~ a + b * Time, BOD, start = list(a = 1, b = 1))
sigma(fm)
## [1] 3.085016

Это также будет работать, когда deviance дает остаточную сумму квадратов. 

sqrt(deviance(fm) / (nobs(fm) - length(coef(fm))))
## [1] 3.085016
...