如何解决在R的lm函数中如何计算残留标准误差RSE?
我通过以下方式进行线性回归:
df <- data.frame(y = c(1,2,3,4,5,6,7,8),y1 = c(1.05,2.1,3.5,3.9,4.8,6.1,6.8,7))
mod <- lm(y ~ .,data = df)
summary(mod)
输出为:
Call:
lm(formula = y ~ .,data = df)
Residuals:
Min 1Q Median 3Q Max
-0.49031 -0.22200 0.06267 0.11194 0.61020
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.40917 0.31927 -1.282 0.247
y1 1.11414 0.06578 16.938 2.71e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.3787 on 6 degrees of freedom
Multiple R-squared: 0.9795,Adjusted R-squared: 0.9761
F-statistic: 286.9 on 1 and 6 DF,p-value: 2.708e-06
使用什么公式得出“残余标准误差”? 0.3787如何计算?
欢迎任何帮助。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。