Je suis intéressé à utiliser la régression quantile pour certains de mes modèles, mais j'aimerais avoir des clarifications sur ce que je peux réaliser en utilisant cette méthodologie. Je comprends que je peux obtenir une analyse plus robuste de la relation IV / DV , en particulier face aux valeurs aberrantes et à l'hétéroscédasticité, mais dans mon cas, l'accent est mis sur la prédiction.
En particulier, je souhaite améliorer l'ajustement de mes modèles, sans recourir à des modèles non linéaires plus complexes, ni même à une régression linéaire par morceaux. Lors de la prédiction, est-il possible de sélectionner le quantile de résultat de probabilité le plus élevé en fonction de la valeur des prédicteurs? En d'autres termes, est-il possible de déterminer chaque probabilité quantile de résultat prédite, sur la base de la valeur des prédicteurs?
la source
La régression quantile consiste à prédire les quantiles de la variable dépendante. En régression "régulière", nous prédisons la moyenne de la DV. Mais l'intérêt pourrait être dans d'autres parties du DV. Par exemple, vous pourriez être intéressé à prédire quels nouveau-nés seront très légers, quelles chansons seront exceptionnellement populaires ou quels clients achèteront une tonne de choses.
J'ai écrit un article à ce sujet pour NESUG l'année dernière.
la source