R中样本数据外的均方预测误差（MSPE）答案

【问题标题】：Mean Square Prediction Error (MSPE) on out of sample data in RR中样本数据外的均方预测误差（MSPE）
【发布时间】：2023-12-08 19:20:01
【问题描述】：

我想使用 R 计算多元线性回归的 样本外 MSPE。从我的教科书中我得到了以下 MSPE 公式

其中表示观察i已从平均值中省略。

我尝试通过在 R 中使用以下两行来计算 MSEP

fit <- lm(CO ~ weight + nico, data = df)
mean( (df$CO - predict.lm(fit, df))^2 )

但是，我相当确定这是样本内的 MSPE。我尝试对 MSPE 进行硬编码，结果是

MSEP <- function(df){
  df <- df[, -1] # Removing "name" column
  factor <- 1/nrow(df)
  summa <- 0
  for(i in 1:nrow(df)){
    df_ny <- df[-i, ]
    fit <- lm(CO ~., data = df_ny)
    holder <- (df[i,]$CO - predict.lm(fit, df[i, ]))^2
    summa <- summa + holder
  }
  return(factor*summa)
}

这是正确的吗？ R 中是否有内置函数可以用来比较我的结果？

提前致谢。

【问题讨论】：

标签： r linear-regression prediction lm

【解决方案1】：

也许你可以试试这样的：

in_sample <- data.frame(x = rnorm(100),
                        y = rnorm(100))
out_sample <- data.frame(y = rnorm(100),
                         x = rnorm(100))
mod <- lm(y ~ x, in_sample)

mspe <- function(model, dv, data) {
  yhat <- predict(model, newdata=data)
  y <- data[[dv]]
  mean((y - yhat)^2)
}

mspe(mod, "y", out_sample)
#> [1] 0.8247627

【讨论】：