Kuantil regresyon: Hangi standart hatalar?

summary.rqDan işlev quantreg skeç dilim regresyon katsayılarının standart hata tahminleri için seçimler çok sayıda sağlar. Bunların her birinin optimal / arzu edilir hale geldiği özel senaryolar nelerdir?

Koenker'de (1994) açıklandığı gibi bir sıralama testini ters çevirerek tahmini parametreler için güven aralıkları üreten "sıralama". Varsayılan seçenek hataların kimliğini varsayırken, iid = FALSE seçeneği ise Koenker Machado'nun (1999) önerisini uygular. Ek bağımsız değişkenler için rq.fit.br belgelerine bakın.
Hataların tanımlandığını ve asimptotik kovaryans matrisinin tahminini KB (1978) 'de olduğu gibi hesaplayan "iid".
Koşullu niceliksel fonksiyonun yerel (tau) doğrusallığını (x cinsinden) varsayan ve "nars", seyrekliğin yerel bir tahminini kullanarak bir Huber sandviç kestirimi hesaplar.
Powell (1990) tarafından önerilen sandviçin bir çekirdek tahminini kullanan "ker".
Standart hataları tahmin etmek için olası birkaç önyükleme alternatifinden birini uygulayan "boot".

Bunun, zaman serilerinde veya kesit boyutunda uygulandığı ve standart hata seçiminden söz etmediğim en az 20 ampirik makale okudum.

r standard-error quantile-regression estimators

— Jase
kaynak

rmsbootcov

β

$\beta$

β

$\beta$

Mükemmel bir soru, "her zaman bootstrapping kullan" sınıfında bana söylendi, ancak diğer yöntemlerin arkasındaki teoriye aşina olmadığımdan tam olarak emin değilim.

— Max Gordon,

Koenker ve Hallock (2000): Quantile Regression: Giriş ( econ.uiuc.edu/~roger/research/intro/rq.pdf ) makalesini okudunuz mu? Bootstrap tercih edilir çünkü cevabın dağılımı hakkında bir varsayımda bulunmaz (s. 47, Quantile regresyonları, Hao ve Naiman, 2007). Ayrıca, "... asimptotik prosedür için varsayımların genellikle geçerli olmadığını ve bu varsayımlar yerine getirilse bile, inşa edilen ölçeğin ve çarpıklık kaymalarının standart hatasını çözmek için karmaşık olduğunu unutmayın (s. 43). . "

— Metrics

Önyükleme yeniden örnekleme, üniforma önceliğinin bilgilendirici olmadığını varsaymaz mı?

— EngrStudent - Monica

@Metrics: Belki bunu bir cevap olarak göndermelisin?

— naught101

Koenker ve Hallock (2000): Quantile Regression: Giriş (econ.uiuc.edu/~roger/research/intro/rq.pdf) makalesini okudunuz mu? Bootstrap tercih edilir çünkü cevabın dağılımı hakkında bir varsayımda bulunmaz (s. 47, Quantile regresyonları, Hao ve Naiman, 2007). Ayrıca, "... asimptotik prosedür için varsayımların genellikle geçerli olmadığını ve bu varsayımlar yerine getirilse bile, inşa edilen ölçeğin ve çarpıklık kaymalarının standart hatasını çözmek için karmaşık olduğunu unutmayın (s. 43). ."

— Metrik
kaynak