1

我确信这很容易解决,但我有一个关于分位数回归的问题。

假设我有一个遵循二阶多项式曲线趋势的数据框,并且我构建了一个通过数据的不同部分拟合的分位数回归:

##Data preperation
set.seed(5)
d <- data.frame(x=seq(-5, 5, len=51))
d$y <- 50 - 0.3*d$x^2 + rnorm(nrow(d))

##Quantile regression
Taus <- c(0.1,0.5,0.9)
QUA<-rq(y ~ 1 + x + I(x^2), tau=Taus, data=d)
plot(y~x,data=d)
for (k in 1:length(Taus)){
 curve((QUA$coef[1,k])+(QUA$coef[2,k])*(x)+(QUA$coef[3,k])*(x^2),lwd=2,lty=1, add = TRUE)
}

我可以通过“predict.rq”函数获得最大 y 值,您可以在下面的图中看到。

从上面的代码获得的情节

 ##Maximum prediction
 Pred_df<- as.data.frame(predict.rq(QUA))
 apply(Pred_df,2,max)

所以我的问题是如何获得与每个分位数的最大 y 值(即斜率中断)相对应的 x 值?

4

1 回答 1

1

broom在这里可能非常有用:

library(broom)
library(dplyr)
augment(QUA) %>% 
  group_by(.tau) %>% 
  filter(.fitted == max(.fitted))
于 2018-06-26T20:48:09.877 回答