분위수 회귀 : 표준 오류는 무엇입니까?


35

quantreg 비네팅summary.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.


8
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 . ββ
Frank Harrell

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

4
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

답변:


5

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). "

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.