Question

我正在尝试使用输出和我创建的回归模型的组件来计算MSS和RSS（model.1）

 model.1<-glm(wbw.df$x.percap ~ wbw.df$y.percap,family=gaussian)

我需要关注哪一部分输出？例如：

Call:
glm(formula = wbw.df$x.percap ~ wbw.df$y.percap, family = gaussian)

Deviance Residuals: 
      Min         1Q     Median         3Q        Max  
-0.061191  -0.006350  -0.005931  -0.003722   0.275066  

Coefficients:
                      Estimate Std. Error t value Pr(>|t|)    
(Intercept)           0.006458   0.002766   2.334 0.021022 *  
wbw.df$totwlth.percap 0.030566   0.008933   3.422 0.000819 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for gaussian family taken to be 0.001005281)

    Null deviance: 0.15050  on 139  degrees of freedom
Residual deviance: 0.13873  on 138  degrees of freedom
  (1 observation deleted due to missingness)
AIC: -565.06

Number of Fisher Scoring iterations: 2

提前致谢。

Answer 1

我不确定我理解你为何使用glm拟合模型。我建议使用普通最小二乘法进行模型拟合：

lm(wbw.df$x.percap ~ wbw.df$y.percap)

然后您可以使用函数residuals

residuals(lm(wow.df$x.percap ~ wbw.df$y.percap))

获取残差向量。用它，每个方格并将结果相加。

我希望这有用。

Answer 2

当您使用 glm 时，qpcR 库可以计算 nls、lm、glm、drc 或可以从中提取残差的任何其他模型的残差平方和。这里 RSS(fit) 函数返回模型的 RSS 值。

install.packages('qpcR')
library(qpcR)
model.1<-glm(wbw.df$x.percap ~ wbw.df$y.percap,family=gaussian)
RSS(model.1)

check the link to see other functions of qpcR

在R中计算MSS和RSS

2 个答案: