La régression quantile nous permet d'estimer l'effet d'un ensemble de variables prédictives sur toute la distribution de la variable de résultat ou de tout quantile particulier.
L'estimateur de régression de quantile conditionnel de Koenker et Basset (1978) pour le quantile est défini comme suit: où \ rho_ \ tau = u_i \ cdot (\ tau - 1 (u_i <0)) est une fonction de repondération (appelée fonction "check") des résidus u_i .τthτth\tau^{th}
La summary.rqfonction de la vignette quantreg fournit une multitude de choix pour les estimations d'erreur standard des coefficients de régression quantile. Quels sont les scénarios spéciaux où chacun devient optimal / souhaitable? "rang" qui produit des intervalles de confiance pour les paramètres...
Suite à ma question pour l'OLS , je me demande: quels graphiques de diagnostic existent pour la régression quantile? (et y en a-t-il une mise en œuvre?) Une recherche rapide sur Google a déjà abouti à l' intrigue du ver (dont je n'ai jamais entendu parler auparavant), et je serais heureux de...
J'espère obtenir une explication intuitive et accessible de la régression quantile. Disons que j'ai un simple ensemble de données du résultat YYY et des prédicteurs X1,X2X1,X2X_1, X_2 . Si, par exemple, je lance une régression quantile à .25, .5, .75, et récupère
J'essaie de comprendre la régression quantile, mais une chose qui me fait souffrir est le choix de la fonction de perte. ρτ(u)=u(τ−1{u<0})ρτ(u)=u(τ-1{u<0})\rho_\tau(u) =
Mis à part certaines circonstances uniques où nous devons absolument comprendre la relation moyenne conditionnelle, quelles sont les situations où un chercheur devrait choisir l'OLS plutôt que la régression quantile? Je ne veux pas que la réponse soit "s'il n'y a aucune utilité à comprendre les...
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.R2R2R^2R2R2R^2 Cependant, je n'ai...
J'utilise la régression quantile pour trouver des prédicteurs du 90e centile de mes données. Je fais cela dans R en utilisant le quantregpackage. Comment puis-je déterminer pour la régression quantile qui indiquera le degré de variabilité expliqué par les variables prédictives?r2r2r^2 Ce que je...
Au cours des derniers mois, j'ai lu intensivement sur la régression quantile en préparation de ma thèse de maîtrise cet été. Plus précisément, j'ai lu la plupart des livres de Roger Koenker de 2005 sur le sujet. Maintenant, je veux étendre ces connaissances existantes aux techniques de régression...
Le modèle de régression linéaire fait un tas d'hypothèses que la régression quantile ne fait pas et, si les hypothèses de régression linéaire sont remplies, mon intuition (et une expérience très limitée) est que la régression médiane donnerait des résultats presque identiques à la régression...
J'ai récemment soumis un article, dans lequel j'ai utilisé la régression quantile, à un journal de psychologie. Bien que je pensais avoir déjà suffisamment réfléchi à une présentation claire de la régression quantile, les examinateurs ont demandé de meilleures explications sur la technique de...
J'utilise la régression quantile (par exemple via gbmou quantregdans R) - ne me concentrant pas sur la médiane mais plutôt sur un quantile supérieur (par exemple 75e). Issu d'un arrière-plan de modélisation prédictive, je veux mesurer l'adéquation du modèle avec un ensemble de tests et pouvoir le...
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...
Voici le problème d'écart le moins absolu sous concerné:. Je sais qu'il peut être réorganisé comme problème LP de la manière suivante:argminwL(w)=∑ni=1|yi−wTx|argminwL(w)=∑i=1n|yi−wTx| \underset{\textbf{w}}{\arg\min} L(w)=\sum_{i=1}^{n}|y_{i}-\textbf{w}^T\textbf{x}| min∑ni=1uimin∑i=1nui\min...
Dans un article précédent, je me suis demandé comment gérer les scores EQ-5D . Récemment, je suis tombé sur la régression logistique quantile suggérée par Bottai et McKeown qui introduit une manière élégante de gérer les résultats bornés. La formule est simple: l o gi t ( y) = l o g( y- ym i nym a...
J'ai vu deux représentations différentes de l'estimateur de régression quantile qui sont Q(βq)=∑i:yi≥x′iβnq∣yi−x′iβq∣+∑i:yi<x′iβn(1−q)∣yi−x′iβq∣Q(βq)=∑i:yi≥xi′βnq∣yi−xi′βq∣+∑i:yi<xi′βn(1−q)∣yi−xi′βq∣Q(\beta_{q}) = \sum^{n}_{i:y_{i}\geq x'_{i}\beta} q\mid y_i - x'_i \beta_q \mid +...
Je me demandais où il y avait une formule générale pour relier la valeur attendue d'une variable aléatoire continue en fonction des quantiles du même rv La valeur attendue de rv est définie comme: et les quantiles sont définis comme suit: pour .E ( X ) = ∫ x d F X ( x ) Q p X = { x : F X ( x ) = p...
En utilisant plot.rqdans le quantregpackage de R, nous pouvons tracer la distribution d'estimation des coefficients et obtenir quelque chose comme ceci: Quelles sont les lignes rouges pointillées? Une recherche approfondie sur Google a révélé que celle du milieu est la moyenne des 99 estimations,...
J'ai un résultat avec une censure à droite comme ceci: y<-c(rep(2.83,3), rep(3.17,4), rep(3.83,4), rep(4.17,5), rep(4.83,8), rep(5.5,3), rep(7.17,5), rep(8.17,7), rep(8.83,12), rep(9.5, 12), rep(9.83,17), rep(10.17,30), rep(10.50,100)) où y=10.5sont les bonnes valeurs de censure. Ensuite,...
Je veux inclure des échantillons de poids dans mon modèle de régression quantile, mais je ne sais pas comment procéder. J'ai déjà défini mon poids, qui sont des poids répliqués déjà donnés dans l'ensemble de données d'enquête (calculé dans le package d'enquête):