关于root mse?谢谢

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

<p>请问大家一下，stata输出的结果里面root mse翻译成在中文是什么呢？</p><p>我做了两个回归，一个root mse超级大，有五位数，另外一个不到1，不知道是什么原因，请大家给指点一下。</p><p>这个值对结果有影响嘛？做结论的时候需要特别报告这个值嘛？</p>

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏15 回帖

关键词：root mse Stata 是什么原因 tata 中文 影响

Root MSE即中文教材中的残差平方根. 残差平方(SS残差)是总变异中无法用回归的协变量解释的部分.该数值越小,说明回归的效果越好.该数值越大,说明回归的效果越差. 它的平方根意义相同. 同时,其意义可以反映在回归假设检验的P值上. 该数值越大, P值越大,该数值越小,P值越小.

除非是统计方面的研究论文, 一般不报告Root of MSE. 但它是评价回归效果好坏很有意义的指标.

[此贴子已经被作者于2008-11-4 6:02:31编辑过]

谢谢楼上的解释

谢谢！如果能推荐点教材鞥好了

与SSE意义相同，为什么还列出来？

跟SSE是不一样的，就像R-square 跟R是不一样的，不知道是不是可以做这样的类比？

了解一些了，谢谢帮助

SSE, MSE,RMSE,R-square
SSE(和方差、误差平方和)：The sum of squares due to error
MSE(均方差、方差)：Mean squared error
RMSE(均方根、标准差)：Root mean squared error
R-square(确定系数)：Coefficient of determination
Adjusted R-square：Degree-of-freedom adjusted coefficient of determination

一、SSE(和方差)
该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，计算公式如下


SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功。接下来的MSE和RMSE因为和SSE是同出一宗，所以效果一样

二、MSE(均方差)
该统计参数是预测数据和原始数据对应点误差的平方和的均值，也就是SSE/n，和SSE没有太大的区别，计算公式如下


三、RMSE(均方根)
该统计参数，也叫回归系统的拟合标准差，是MSE的平方根，就算公式如下


在这之前，我们所有的误差参数都是基于预测值和原始值之间的误差(即点对点)。从下面开始是所有的误差都是相对原始数据平均值而展开的(即点对全)!!!

四、R-square(确定系数)
在讲确定系数之前，我们需要介绍另外两个参数SSR和SST，因为确定系数就是由它们两个决定的
(1)SSR：Sum of squares of the regression，即预测数据与原始数据均值之差的平方和，公式如下

(2)SST：Total sum of squares，即原始数据和均值之差的平方和，公式如下

其中，SST=SSE+SSR，“确定系数”是定义为SSR和SST的比值，故


其实“确定系数”是通过数据的变化来表征一个拟合的好坏。由上面的表达式可以知道“确定系数”的正常取值范围为[0 1]，越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好

不能看到图片，具体看下
    http://rc.qzone.qq.com/blog/add# ... &pos=1376033284

wwws2005 发表于 2013-8-9 15:40
SSE, MSE,RMSE,R-square
SSE(和方差、误差平方和)：The sum of squares due to error
MSE(均方差、方差) ...

good. your explain is quite clear