Следуя моему вопросу об OLS , я задаюсь вопросом: какие диагностические графики существуют для квантильной регрессии? (и есть ли у R их реализация?)
Быстрый поиск в гугле уже привел к появлению червя (о котором я никогда раньше не слышал), и я был бы рад узнать о других методах, о которых вы могли бы знать. (Является ли какой-либо из них из OLS портированным для квантильной регрессии?)
r
regression
diagnostic
quantile-regression
gamlss
Таль Галили
источник
источник
Ответы:
Квантильная регрессия не делает предположений о распределении, то есть предположений об остатках, кроме предположения, что переменная отклика почти непрерывна. Если вы решаете проблему оценки отдельного квантиля как предиктора функции X, то, несомненно, основные вещи, которые могут пойти не так, - это неправильная спецификация линейного предиктора.Иксβ путем подгонки, т. е. неспособности включить нелинейные эффекты (общая проблема) или эффекты взаимодействия. Есть как минимум два рекомендуемых подхода. Во-первых, если у вас большой размер выборки, просто выберите более гибкую модель. Хороший компромисс состоит в том, чтобы все основные эффекты были нелинейными с использованием сплайнов регрессии, таких как ограниченные кубические сплайны (естественные сплайны). Тогда нет ничего, что нужно проверять, кроме взаимодействий. Второй подход заключается в том, чтобы надеяться, что модель простая (почему?), Но позволить ей быть сложной, а затем оценить влияние сложных дополнений на простую модель. Например, мы можем оценить совокупный вклад нелинейных или взаимодействующих терминов или обоих. Пример следует, используя R
rms
иquantreg
пакеты. Компромиссная форма взаимодействия используется для ограничения количества параметров. Взаимодействия ограничены, чтобы не быть дважды нелинейными.источник