Существует способ построить доверительный интервал для квантильной регрессии:
x <- rnorm(1000)
y <- x + 2*rnorm(1000)
rqm1 <- rq(y~x)
summary(rqm1)
Что такое по умолчанию? Это 5%? Как найти еще один, вроде 10%?
Существует способ построить доверительный интервал для квантильной регрессии:
x <- rnorm(1000)
y <- x + 2*rnorm(1000)
rqm1 <- rq(y~x)
summary(rqm1)
Что такое по умолчанию? Это 5%? Как найти еще один, вроде 10%?
Альфа-уровень по умолчанию для метода summary.qr
равен .1
, что соответствует ширине доверительного интервала .9
. Я озадачился этим в течение довольно долгого времени, потому что это просто не четко задокументировано.
Доверительные интервалы при se = "rank"
(по умолчанию для данных с менее чем 1001 строкой) рассчитываются путем переоснащения модели с помощью rq.fit.br
, который является базовым механизмом, используемым rq
. Если вы посмотрите документацию для rq.fit.br
, вы увидите, что есть аргумент alpha
, который по умолчанию имеет значение .1
. Если вы передадите аргумент alpha
в summary.rq
, он будет передан в rq.fit.br
, и вы получите искомый доверительный интервал.
Тот же результат, что и summary(rqm1)
:
summary(rqm1, alpha = .1)
95% интервал:
summary(rqm1, alpha = .05)
Вы получаете конф. интервал напрямую, так как по умолчанию функция сводки для rq использует ранговый метод для оценки ЭК. Таким образом, вы можете использовать функцию summary.rq и установить параметр se="boot","nid","iid","ker" для получения различных стандартных ошибок. Я установил для него значение se="boot". Это дает вам стандартные ошибки для ваших коэффициентов, которые вы можете использовать в формуле qunatile, чтобы найти CI.
для 90% использования
qnorm(0.95)
для 95% использования
qnorm(0.975)
Полный код
library(quantreg)
x <- rnorm(1000)
y <- x + 2*rnorm(1000)
rqm1 <- rq(y~x)
summary.rq(rqm1, se="boot") -> rqm2
coef=rqm2$coefficients[,1]
err=rqm2$coefficients[,2]
ci <- list()
for (i in 1:length(coef)){
ci[[i]] <- coef[i] + c(-1,1)*err[i]*qnorm(0.975)}
Это возвращает доверительные интервалы для вашего перехвата и всех ваших переменных.
R
, а не о статистических свойствах квантильной регрессии. - person Peter Flom   schedule 09.05.2013