我正在使用missForest函数（在R中的missForest包中）进行数据插补，一切似乎都很好。该函数易于使用，乍一看，估算的数据看起来是合理的。

但是，我对如何解释不同的袋外错误（OOBerror）感到困惑。

当我使用默认函数时，我得到 0.1574 的 OOBerror（归一化均方根误差或 NRMSE）：

> mf_test4 = missForest(test.mf4)
> mf_test4$OOBerror
 NRMSE 
0.1574 

这表明，对于整个数据集，数据的估算误差为 15.74%。

当我想查看与每个插补变量相关的错误时，我得到的错误要小得多（前两个变量不包含 NA，因此 MSE = 0，因为不需要插补）：

> mf_test42 = missForest(test.mf4, variablewise = TRUE)
> mf_test42$OOBerror
       MSE        MSE        MSE        MSE        MSE 
0.00000000 0.00000000 0.00040559 0.00005102 0.00027467 

我知道在第二种情况下，我们得到了 MSE（均方误差......我猜）。但即使在计算这些 MSE 的平方根时，我得到的值也比整个估算数据集的 0.1574 小得多：

> sqrt(mf_test42$OOBerror)
     MSE      MSE      MSE      MSE      MSE 
0.000000 0.000000 0.020139 0.007143 0.016573

这是否意味着变量 3、4 和 5 的数据分别具有 2.0%、0.07% 和 1.6% 的误差？为什么它比为整个数据集找到的 15.74% 小得多？我想这与标准化有关吗？

任何人都可以帮助我解释或理解其中的区别吗？

谢谢