Quantile 회귀 예측


13

일부 모델에 Quantile Regression을 사용하는 데 관심이 있지만이 방법을 사용하여 달성 할 수있는 사항에 대해 설명하고 싶습니다. 나는 특히 특이 치와 이분산성에 직면했을 때 IV / DV 관계에 대한보다 강력한 분석을 얻을 수 있지만 내 경우에는 예측에 중점을 둔다는 것을 이해합니다.

특히 더 복잡한 비선형 모델이나 부분 선형 회귀에 의존하지 않고 모델의 적합도를 높이고 싶습니다. 예측시 예측 변수 값을 기반으로 가장 높은 확률 결과 Quantile을 선택할 수 있습니까? 즉, 예측 변수의 값을 기반으로 각 예측 결과 양자 확률을 결정할 수 있습니까?

답변:


8

Quantile 회귀 분석에서 모형의 오른쪽은 OLS와 같은 다른 회귀 모형과 동일한 구조 및 가정 유형을 갖습니다. Quantile 회귀와의 주요 차이점은 파라 메트릭 분포 조작 (예 : )에 의존하지 않고 에 대한 조건부 분포 분포를 직접 예측 하고 잔차의 분포 형태가 다른 것으로 가정하지 않는다는 것입니다. 가 연속 변수 라고 가정하는 것보다YXx¯±1.96sY


1
피팅 프로세스가 어떻게 작동하는지 이해합니다. 내가 이해 하지 못하는 것은 관측이 어느 Quantile인지 알지 못하고 예측 (quantile parameter selection)을 개선하는 방법이 있는지 여부 입니다. 어떻게하면 예측 변수 값에서이를 도출 할 수 있습니까? 예측 변수와 관측치의 확률 분포를 기반으로 사용할 수있는 것이있을 수 있습니다.
Robert Kubrick

2
Quantile Regression에 대해 상당한 양의 백그라운드 읽기를 수행해야한다고 생각합니다. 관찰은 "quantile에"있지 않습니다. Quantile은 연속 분포의 속성입니다. 0.5 분위수는 중앙값입니다. 0.75 분위수는 상위 사 분위수입니다. 의 0.75 분위수 의 75 퍼센트 인 . Y|X=xYX=x
Frank Harrell

2
Frank, Quantile Regression에 대해 더 많이 배울 필요가 있습니다. 다이빙을하기 전에이 방법론이 예측 변수와 적합 모형을 기반으로 Quantile을 선택할 수있는 확률 적 구성 요소를 제공 할 수 있는지 알고 싶습니다. 주어진 각 예측 변수 값 세트 / 범위에 대해 실제 결과가 특정 Quantile 영역에 속할 가능성이 있어야합니다.
Robert Kubrick

4

Quantile regression은 종속 변수의 Quantile 예측에 관한 것입니다. "정규"회귀 분석에서는 DV의 평균을 예측합니다. 그러나 DV의 다른 부분에 관심이있을 수 있습니다. 예를 들어 어떤 신생아가 매우 가벼울 지, 어떤 곡이 매우 인기가 있는지, 또는 고객이 많은 물건을 살 것인지 예측하는 데 관심이있을 수 있습니다.

나는 작년 에 NESUG에 대한 논문을 썼습니다 .


2
알고 자하는 것을 기반으로 예측할 Quantile을 선택합니다. 어떤 질문을 할 수있는 프로그램은 없습니다!
Peter Flom-Monica Monica 복원

1
적합 모형이 주어지면 예측 값을 기반으로 예측 값이 0.6 Quantile에 빠질 확률을 계산할 수 없습니까?
Robert Kubrick

2
".6 Quantile에"가 아니라 0.6 Quantile 이상이지만 맞습니다. 그러나 어떤 Quantile을 예측할 것인지 결정해야합니다. OLS 회귀 분석에서는 조건부 평균을 예측합니다. Quantile regression에서는 조건부 Quantile을 예측합니다
Peter Flom-Reinstate Monica

5
Peter가 지적했듯이, 당신은 여전히 ​​이전의 의견을 이해하지 못하고 있습니다. Quantile regression은 특정 Quantile의 위 또는 아래로 떨어지는 컴퓨팅 확률과 아무 관련이 없습니다 (0.6 Quantile에서 "in"으로 떨어질 확률은 정의상 0 임). 중간 값 또는 다른 Quantile을 예측하는 데 관심이 있는지 확인한 다음 그렇게하십시오. 조건부 Quantile은 범위가 아닌 단일 숫자입니다.
Frank Harrell

1
이해한다면, u 예측에 사용할 Quantile을 선택하지만 전자 예측에 가장 적합한 Quantile을 선택할 수있는 방법이 없습니다
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.