这是这个问题的扩展，关于分位数回归的 95% 置信区间，使用rquant：
在这里，目标是确定多项式拟合的分位数回归的 95% 置信区间。
数据：
x<-1:50
y<-c(x[1:50]+rnorm(50,0,5))^2
尝试使用上述问题中的方法：
QR.b <- boot.rq(cbind(1,x,x^2),y,tau=0.5, R=1000)
t(apply(QR.b, 2, quantile, c(0.025,0.975)))
2.5% 97.5%
[1,] -14.9880661 126.906083
[2,] -20.5603779 5.424308
[3,] 0.8608203 1.516513
但这当然独立地确定了每个系数的 95% CI，并且似乎高估了区间（见下图）。
我对一种方法有另一个想法，即简单地从数据的引导样本（即rq(y~x+I(x^2))数千个 y 和 x 样本上）确定系数，但想看看是否有东西构建到包中。