Existe-t-il un

Ayant inclus un modèle de régression quantile dans un article, les examinateurs veulent que j'inclue ajusté dans l'article. J'ai calculé les pseudo- R 2 (d' après l'article JASA de Koenker et Machado en 1999 ) pour les trois quantiles d'intérêt pour mon étude.$R^2$$R^2$

Cependant, je n'ai jamais entendu parler d'un ajusté pour la régression quantile et je ne saurais pas le calculer. Je vous demande l'un des éléments suivants:$R^2$

• de préférence: une formule ou une approche sur la façon de calculer de manière significative un ajusté pour la régression quantile.$R^2$

• alternativement: des arguments convaincants à fournir aux examinateurs pour expliquer pourquoi il n'y a pas de ajusté dans la régression quantile.$R^2$

Je pense que ce que les examinateurs demandent, c'est de prendre les valeurs pseudo- et de les "dissocier" pour le nombre d'échantillons dans la gamme des quantiles, n Q , et le nombre de paramètres dans le modèle, p . En d'autres termes, ajusté - R 2 dans son contexte habituel. C'est-à-dire que la fraction inexpliquée corrigée est plus grande que la fraction inexpliquée brute d'un facteur n Q - $R^2$$n_Q$$p$$R^2$ , c'est-à-dire,$\frac{n_Q-1}{n_Q-p-1}$

, ou,R2$1-R^{2*}=\frac{n_Q-1}{n_Q-p-1}(1-R^2)$$R^{2*}=1-\frac{n_Q-1}{n_Q-p-1}(1-R^2)$

Je suis d'accord avec vous sur l'idée d'aller trop loin, car il s'agit déjà d'une valeur pseudo- et une valeur pseudo- R 2 ajustée pourrait laisser au lecteur l'impression d'effectuer un pseudo-ajustement.$R^2$$R^2$

Une alternative consiste à faire les calculs et à montrer aux examinateurs quels sont les résultats et à ne PAS les inclure dans le document, en expliquant que cela va au-delà des méthodes publiées que vous utilisez et que vous ne voulez pas la responsabilité d'inventer un autre document non publié. procédure pseudo- ajustée . Cependant, vous devez comprendre que la raison pour laquelle les examinateurs demandent, c'est parce qu'ils veulent avoir l'assurance qu'ils ne voient pas de charabia. Maintenant, si vous pouvez penser à une autre façon de faire exactement cela, en assurant aux examinateurs que les résultats sont fiables, alors le problème devrait disparaître ...$R^2$

Une alternative consiste à inclure plus de références ou d'informations sur le pseudovaleurs R 2 que vous utilisez, surtout si vous pouvez faire preuve de robustesse ou de précision. Par exemple,un test de manque d'ajustement pour la régression quantile. Lesvaleurspseudo- R 2 sont-elles essentielles à l'article, ou existe-t-il d'autres moyens d'atteindre le même objectif?$R^2$$R^2$

Parfois, la simple suppression du problème est la chose la plus simple à faire. Oui, nous sommes d'accord avec vous, critique exalté, votre infaillibilité majestueuse est vénérée, grovel, grovel > problème supprimé.$<$$>$

Vous feriez mieux de ne pas utiliser $R^2$ pour comparer deux modèles de régression quantile, car la fonction de perte du modèle de régression quantile n'est pas basée sur MSE .

Vous pouvez essayer AIC ou BIC .