我正在使用quantreg
R 中的包对一组数据运行分位数回归 (95%)。
我想将分位数回归的斜率设置为值 1.4,就像我在之前的分析中所做的那样,我想用它来比较我的结果。如果lm()
使用函数可以做到这一点offset()
,则使用rq()
固定分位数(例如 0.025)这是行不通的。
代码没有给出错误,但 1.4 的值对我的结果没有影响。
fit.0.025<-rq(y~offset(1.4*x),tau=0.025, data=mydataframe)
我正在使用quantreg
R 中的包对一组数据运行分位数回归 (95%)。
我想将分位数回归的斜率设置为值 1.4,就像我在之前的分析中所做的那样,我想用它来比较我的结果。如果lm()
使用函数可以做到这一点offset()
,则使用rq()
固定分位数(例如 0.025)这是行不通的。
代码没有给出错误,但 1.4 的值对我的结果没有影响。
fit.0.025<-rq(y~offset(1.4*x),tau=0.025, data=mydataframe)
这不应该是这样的未经充分测试的代码吗?(.. 除非拦截列被抑制,否则它仍然是一个要估计的参数,无法“修复”它。)(已编辑,需要重复偏移并使用 -1 而不是 +0)
dfrm <- data.frame(x=runif(1000, 1,100), y=runif(1000, 1,2))
fit.0.025 < -rq(y ~ x*(1 + offset( rep(1.4, 1000) ) ) -1, tau=0.025, data=dfrm)
# Same as:
fit.0.025<-rq(y ~ x + offset( rep(1.4, 1000)) -1 , tau=0.025, data=dfrm)
老实说,我质疑这是否具有任何统计意义。运行数学运算并不总是会产生可解释的输出。
我之前输入过:
fit.0.025<-rq(y ~ x+ offset(1.4), tau=0.025, data=mydataframe)
....但这仅适用于乘法链接。