MSE是 mean square error，即均方误差。

楼主的这两个式子，下面这个应该是一元回归的均方误差，上面的是对var(y)进行估计的均方误差。

所以都是MSE

2# guanglei

是一元线性回归的MSE。

不知道您对Reduced Major Axis (RMA)有了解吗？
传统的最小二乘法y=a+bx
b1=Sxy/Sxx
a1=mean(y)-b*mean(x)
MSE1=(y-a1-b1*x)^2/(n-2)

但是在Reduced Major Axis中，斜率的计算公式不一样：
b2=sqrt(Syy/Sxx)
a2=mean(y)-b*mean(x)

有关于RMA中参数标准差的估计公式：
SE(b2)=sqrt(MSE2/Sxx)
SE(a2)=sqrt(MSE2*(1/n+mean(x)^2/Sxx)),

但是此处老外对MSE2的定义仍然是MSE2=(y-a1-b1*x)^2/(n-2)，而不是MSE2=(y-a2-b2*x)^2/(n-2)，为什么呢？
既然是针对RMA的参数估计，那么为什么在对b2和a2标准差的估计中使用的MSE是由传统的最小二乘法计算出来的呢？

我一直没有搞懂，按照只管的理解，MSE2应该等于MSE2=(y-a2-b2*x)^2/(n-2)啊。呵呵，我搞不懂的。

请高手多多指教。

x与y的均方误差一样吗

x与y的均方误差一样吗