Confrontare l'errore standard residuo
L’altro indicatore comune per valutare l’aderenza del modello è l’errore standard residuo (RSE), che misura la dimensione tipica dei residui.
RSE non può essere recuperato direttamente con statsmodels, ma puoi ottenere il mean squared error (MSE) tramite l’attributo .mse_resid. Prendendo la radice quadrata dell’MSE, ottieni l’RSE.
Nell’esercizio precedente hai visto che includere entrambe le variabili esplicative nel modello ha aumentato il coefficiente di determinazione. Secondo te, usare entrambe le variabili esplicative come cambierà l’RSE?
mdl_price_vs_conv, mdl_price_vs_age e mdl_price_vs_both sono disponibili come modelli già adattati.
Questo esercizio fa parte del corso
Regressione intermedia con statsmodels in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Print the RSE for mdl_price_vs_conv
print("rse_conv: ", ____)
# Print the RSE for mdl_price_vs_age
print("rse_age: ", ____)
# Print RSE for mdl_price_vs_both
print("rse_both: ", ____)