我正在使用 MASS 的 rlm 函数来执行稳健的回归。与 lm 不同，summary 函数不返回 r 平方的值。
因此使用 1 - sum(residual^2)/(sum((Y-mean(Y))^2)? 来计算是合适的。
(为等式道歉，我不知道如何以更好的格式编写它)
最佳答案
当数据有很多异常值时，使用稳健线性回归(rlm)代替线性回归(lm)；它还可以用于检测有影响的观察结果。
稳健回归使用迭代重加权最小二乘法 (IRLS) 进行最大似然估计 (MLE)，而线性回归使用普通最小二乘法 (OLS)，这就是 lm() 而不是 rlm 返回 R 平方(确定系数)的原因()。
现在谈到适当性，它不是评估稳健回归拟合的适当措施，因为它涉及计算平方损失=总和(残差^ 2)=总和(预测值 - 观察值)^ 2 在r平方的公式中.由于稳健回归涉及处理包含许多异常值的数据，因此该度量将导致荒谬的值，因为由异常值的残差产生的大值是大且平方的!
这就是为什么在涉及异常值时使用绝对损失=(预测 - 实际)来评估拟合的原因。
希望这可以帮助。
关于r - 使用 rlm 计算稳健回归的 r 平方是否合适，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60073531/