Root-Mean-Square-Fehler in R - Mischeffekt Modell

Question

Könnten Sie mir bitte sagen, wie der Wert RMSE erhalten/berechnen (root mean square error) in R, wenn Sie ein Mischeffekt-Modell durchführen

Data: na.omit(binh) 
     AIC  BIC logLik 
    888.6144 915.1201 -436.3072 

Random effects: 
Formula: ~1 | Study 
     (Intercept) Residual 
StdDev: 3.304345 1.361858 

Fixed effects: Eeff ~ ADF + CP + DE + ADF2 + DE2 
       Value Std.Error DF t-value p-value 
(Intercept) -0.66390 18.870908 158 -0.035181 0.9720 
ADF   1.16693 0.424561 158 2.748556 0.0067 
CP   0.25723 0.097524 158 2.637575 0.0092 
DE   -36.09593 12.031791 158 -3.000046 0.0031 
ADF2   -0.03708 0.011014 158 -3.366625 0.0010 
DE2   4.77918 1.932924 158 2.472513 0.0145 
Correlation: 
    (Intr) ADF CP  DE  ADF2 
ADF -0.107        
CP -0.032 0.070      
DE 0.978 -0.291 -0.043    
ADF2 0.058 -0.982 -0.045 0.250  
DE2 -0.978 0.308 0.039 -0.997 -0.265 

Standardized Within-Group Residuals: 
     Min   Q1   Med   Q3   Max 
-2.28168116 -0.45260885 0.06528363 0.57071734 2.54144168 

Number of Observations: 209 
Number of Groups: 46 

Answer 1

Sie don ‚t enthalten Angaben, welche Funktion verwendet Sie Ihr Modell machen, aber sie neigen dazu, ihre Rückstände zu speichern mit dem gleichen Namen, die Sie mit str() überprüfen konnte, und RMSE leicht aus den Residuen berechnet:

#make a model 
library(nlme) 
r <- lme(conc ~ age, data=IGF) 

#get the RMSE 
r.rmse <- sqrt(mean(r$residuals^2)) 

und In den Kommentaren unten, Ben Bolker weist darauf hin, dass Objekte von Modell fittt gemacht Funktionen sollten eine Residuen-Methode haben, die dies möglich macht (obwohl einige Modelltypen Residuen zurückgeben können, die transformiert wurden):