분위수 회귀 : 표준 오류는 무엇입니까?

quantreg 비네팅 의 summary.rq기능 은 Quantile 회귀 계수의 표준 오차 추정에 대한 다양한 선택을 제공합니다. 이들 각각이 최적 / 바람직하게되는 특별한 시나리오는 무엇입니까?

Koenker (1994)에 설명 된대로 순위 테스트를 반전하여 추정 된 매개 변수에 대한 신뢰 구간을 생성하는 "순위". 기본 옵션은 오류가 iid 인 것으로 가정하고 iid = FALSE 옵션은 Koenker Machado (1999)의 제안을 구현합니다. 추가 인수에 대해서는 rq.fit.br 설명서를 참조하십시오.
"iid"는 오류가 iid라고 가정하고 KB (1978)에서와 같이 점근 적 공분산 행렬의 추정치를 계산합니다.
"nid"는 조건부 Quantile 함수의 로컬 (tau) 선형성 (x)을 가정하고 희소성의 로컬 추정치를 사용하여 Huber 샌드위치 추정치를 계산합니다.
Powell (1990)이 제안한 샌드위치의 커널 추정치를 사용하는 "ker".
"부팅"은 표준 오류를 추정하기위한 몇 가지 가능한 부트 스트랩 대안 중 하나를 구현합니다.

나는 이것이 시계열 또는 단면 치수로 적용되고 표준 오류 선택에 대한 언급을 보지 않은 적어도 20 개의 경험적 논문을 읽었습니다.

r standard-error quantile-regression estimators

— 제스
소스

이 훌륭한 질문에 대해 많은 답변을 얻을 수 있기를 바랍니다. 이 분야에 대한 지침이 필요합니다. R rms패키지의 bootcov기능 으로 쉽게 할 수있는 또 다른 방법 은 부트 스트랩 복제 회귀 계수 ( s) 를 저장하고 부트 스트랩 비모수 백분위 신뢰 구간 접근 방식을 사용하여 원하는 대비 ( 의 조합)에 대한 신뢰 구간을 얻는 것입니다 .

β

$\beta$

β

$\beta$

— Frank Harrell

훌륭한 질문, 나는 "항상 부트 스트래핑을 사용한다"라는 클래스에서 들었지만 다른 방법에 대한 이론에 익숙하지 않은 이유를 정확히 모르겠습니다.

— Max Gordon

Koenker and Hallock (2000) : Quantile Regression : An Introduction ( econ.uiuc.edu/~roger/research/intro/rq.pdf ) 논문을 보셨습니까 ? 부트 스트랩은 응답 분포에 대한 가정을하지 않기 때문에 선호됩니다 (47 페이지 Quantile 회귀, Hao and Naiman, 2007). 또한 점근 적 절차에 대한 가정은 일반적으로 유지되지 않으며, 이러한 가정이 만족 되더라도 구성된 스케일 및 왜도 편이의 표준 오차를 해결하는 것은 복잡합니다 (43 페이지). "

— Metrics

부트 스트랩 리샘플링은 균일 한 사전 정보가 정보가 아니라고 가정하지 않습니까?

— EngrStudent-복직 모니카

@Metrics : 아마도 답변으로 게시해야합니까?

— naught101

Koenker and Hallock (2000) : Quantile Regression : An Introduction (econ.uiuc.edu/~roger/research/intro/rq.pdf) 논문을 보셨습니까? 부트 스트랩은 응답 분포에 대한 가정을하지 않기 때문에 선호됩니다 (47 페이지 Quantile 회귀, Hao and Naiman, 2007). 또한 점근 적 절차에 대한 가정은 일반적으로 유지되지 않으며, 이러한 가정이 만족 되더라도 구성된 스케일 및 왜도 편이의 표준 오차를 해결하는 것은 복잡합니다 (43 페이지). "

— 측정 항목
소스