回归：RASE 与标准误差在“拟合模型”平台中，当我执行多元“拟合最小二乘法”时，该平台允许我将三个值保存到列中：
我有兴趣了解预测变量之间的建模误差如何变化，而不是仅对整个模型使用一个平坦的 RMSE 值（例如，我可能会在低电压下看到高变化）
所以这 3 个 StdError 值对我来说很有趣，但我不知道如何解释它们。 Stderr Residual/Individual 与我的 RMSE 数字非常接近，但变化很小 - 整个表中的值非常相似（在我的表中 RMSE 约为 32MHz....“StdErr of Residual”从 30.2 变化到 32.1 ，“StdErr of individual”从 32.3 变化到 34.0）
然而，“预测的标准错误”似乎非常有趣，而且趋势对我来说很有意义 - 当我有更多数据点时，变化较小（表明模型在那里更自信）......但是数字的大小并不重要这没有道理。它的变化范围为 2.66 至 11 MHz。不知道如何将其与 32 的总体 RMSE 进行平方。
谁能帮助我理解这一点？
谢谢，
查尔斯
回复：回归：RASE 与标准误差在深入研究这个主题之后，我想我现在理解得更好了。个体的 StdError 似乎是置信区间的基础，即 se，由 t 乘数缩放：
回复：回归：RASE 与标准误差嗨查尔斯，
感谢您回答自己的问题。我正在研究它，但发现自己正在学习这个主题来回答您的问题，因为除了 JMP 帮助在线文档提供的内容之外，我没有其他见解。
将这 3 种误差类型相互绘制成图，看起来这 3 种误差类型之间存在公式关系，并且它们可用于确定模型拟合参数的置信水平。
我发现这些误差的有用之处在于查看残差是否表现出任何系统性变化。如果确实如此，则表明您的模型拟合不足并且缺少一些关键效果。
标记
