Comparando o erro padrão dos resíduos
A outra métrica comum para avaliar o ajuste do modelo é o erro padrão dos resíduos (RSE), que mede o tamanho típico dos resíduos.
O RSE não pode ser obtido diretamente usando statsmodels, mas você pode recuperar o erro quadrático médio (MSE) pelo atributo .mse_resid. Ao tirar a raiz quadrada do MSE, você obtém o RSE.
No último exercício, você viu como incluir as duas variáveis explicativas no modelo aumentou o coeficiente de determinação. Como você acha que usar ambas as variáveis explicativas vai alterar o RSE?
mdl_price_vs_conv, mdl_price_vs_age e mdl_price_vs_both estão disponíveis como modelos ajustados.
Este exercicio faz parte do curso
Regressão Intermediária com statsmodels em Python
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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: ", ____)