średni kwadratowy błąd w R - mieszany efekt modelu

Question

mógłbyś mi powiedzieć jak uzyskać/obliczyć RMSE Wartość (średni kwadratowy błąd) w R podczas wykonywania mieszany model efektów

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

don „t podać szczegóły co funkcję, używany do modelu, ale mają tendencję do przechowywania pozostałości stosując tę ​​samą nazwę, co można sprawdzić z str() i RMSE jest łatwo obliczyć z reszt:

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

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

i w komentarzach poniżej Ben Bolker wskazuje na obiekty wykonane przez model fitt Funkcje ing powinny mieć metodę rezydualną, umożliwiającą to (chociaż niektóre typy modeli mogą zwracać reszty, które zostały przekształcone):

r.rmse <- sqrt(mean(residuals(r)^2))