问题标签 [quantile-regression]

我正在使用时间序列数据进行分位数预测。我正在使用的模型是 ARIMA(1,1,2)-ARCH(2)，我正在尝试对我的数据进行分位数回归估计。

到目前为止，我已经找到了“quantreg”包来执行分位数回归，但我不知道如何将 ARIMA-ARCH 模型作为函数 rq 中的模型公式。rq 函数似乎适用于具有因变量和自变量的回归，但不适用于时间序列。

是否有其他一些包可以让我在 R 中放置时间序列模型并进行分位数回归？欢迎任何建议。谢谢。

我正在尝试使用回归线的第 5 和第 95 个百分位来识别数据集中的异常值，因此我在 Python 中使用带有 statsmodel、matplotlib 和 pandas 的分位数回归。根据 bokeley 的这个答案，我可以创建我的数据的散点图，并显示最佳拟合线以及基于分位数回归的第 5 和第 95 个百分位数的线。但是我如何识别那些位于这些线之上和之下的点，然后将它们保存到 pandas 数据框中？

我的数据看起来像这样（总共有 95 个值）：

2

我到目前为止的脚本是这样的：

我从中得到的图表是这样的：

所以我绝对可以看到我将分类为异常值的第 95 行以上和第 5 行以下的数据点，但我想在我的原始数据框中识别这些数据点，并可能将它们绘制在购物车上或以某种方式突出显示它们以将它们显示为“异常值”。

我正在寻找一种方法，但结果是空的，可以使用一些帮助。

我在为 R Studio 中的分位数回归绘制系数时遇到问题。这是我的代码： plot(summary(rq(data = d, normalized_losses ~ price + highway_mpg + fuel_type, tau = c(0.1, 0.25, 0.5, 0.75, 0.9))))

不幸的是，它没有绘制（仅）fuel_type，它是 2 个级别的因子变量。它得到这个错误：

plot.window(...) 中的错误：无限轴范围 [GEPretty(-inf,inf,5)]

我尝试添加ylim=c(-Inf,Inf)，得到类似：

它似乎有效，但我看不到图中的系数，因为价格太小或highway_mpg太大。

这里的数据：

它只得到前三个系数，没有fuel_type！

我正在努力在网上找到有关如何轻松绘制 lqmm 模型的示例。因此，例如，在下面，我想要一个简单的图，我可以在其中预测多个分位数并将这些预测叠加到散点图上：

我可以为 lqm 模型成功地做到这一点，但不是 lqmm 模型。

我见过 predict.lqmm 函数，但这会返回数据集中每个 x 值的预测值，而不是 x 轴限制上的平滑函数。预先感谢您的任何帮助。

我有两组数据框 A 和 B。数据框 A 有 590 列，B 有 6 个变量。数据集 A 中的每一列都是因变量。数据集 B 中的所有 6 个变量都是自变量。数据集 A 和 B 的数据中都包含 NA。我想在 B 中的 6 个变量上运行 A 中的每一列。然后我将把拟合值放在一个 590 列的矩阵中。我正在运行这些代码；

数据 A 中的每一列都对数据 B 中的所有变量进行了回归。B 具有变量 Vix + Eqreturn + Changetbill + Liqsprd + Creditsprd + Bondslop。请我如何在此函数中包含 na.action=na.exclude 或 ....=na.omit 以处理任何数据列中的 na(s)。

我发现（见下文）quantreg 包中的函数summary.rq（第 88 页）打印不同的输出，具体取决于样本大小是大于等于还是小于 1001。

我知道， rq() 使用不同的方法，具体取决于样本大小是大于还是小于 1001。我认为这就是这种行为的原因。

显示所描述行为的 MWE：

这是期望的行为吗？对于大于 1000 的样本，如何获得第一种形式的输出？

我的问题是我在多个样本大小的循环中使用 summary.rq 函数，并且希望使用较低和较高的波段值。

我希望分位数回归可以预测单调的分位数，即

但是，R 中的 quantreg 包生成的预测根本没有意义，请参见图表：

这有什么原因吗？

下面的例子。

请问，如何从withReplicates结果计算拟合数据分位数回归的置信区间？

预测根本不起作用：

从 withReplicates 结果（包含方差-协方差矩阵）中，我几乎找不到任何关于预测和置信区间的信息。

这完全是关于嵌套、分层、fpc、子集等的复杂调查研究。

在 Rcpp 项目中，我希望能够调用 R 函数（包中的cobs函数进行cobs凹样条拟合）或调用它依赖的 fortran 代码cobs（函数使用rq.fit.sfnc用于拟合约束样条模型的函数，该模型又依赖于包中的 fortran 编码srqfnc函数）在pragma openmp 并行 for 循环中quantregquantreg（我的其余代码主要需要一些简单的线性代数，所以这没有问题，但遗憾的是，每个内部循环迭代也需要我进行凹样条拟合）。我想知道这是否会被允许或可能，因为我认为这样的调用不会是线程安全的？是否有一个简单的解决方法，比如用 a 包围这些电话#pragma omp critical？有人会有这方面的例子吗？或者在这种情况下，唯一的方法是首先使用线程安全的 Armadillo 类对&函数进行完整Rcpp的移植？cobsrq.fit.sfnc

我正在预测高度偏斜的客户的用电量。由于分布偏斜，常规回归模型不太适合，因此我尝试了分位数回归。我正在获取 0.1、05 和 0.9 分位数的模型。所以我对上面指定的分位数优化的三个模型有 3 组预测。对于优化的分位数，所有三个模型的性能都非常好，但正如人们所期望的那样，其他分位数的性能会下降。常规平均将为所有三个模型输出赋予相同的权重，因此不代表真实分布。谁能建议分位数回归方法的模型平均最佳方法是什么？