问题标签 [quantile-regression]

我正在研究一个分位数回归神经网络 (QRNN)，它可以作为风力发电的预测器以及虚假数据注入攻击的检测器。

我几乎完成了它，但我试图通过取中位数分位数（tau = 0.5）并使用 RMSE 将其与实际风能进行比较来量化它的准确性（同时还试图绘制实际风能与中位数分位数的关系） . 但是，我一直遇到问题。

因为 q_hat（预测的中位数）是一个 numpy 数组，而 y_test（实际风力测试数据）是一个 pandas 数据框，所以我必须将 y_test 转换为 numpy，但它给了我这个错误：

“AttributeError：‘numpy.ndarray’对象没有属性‘index’”

这是此代码所需的 pinball_loss.py 文件：

这是我在 Jupyter Notebook 中的代码（为方便起见，我用虚线分隔单元格）：

上面的最后一个单元格是我收到以下错误的地方：

这是具有多个分位数的 QRNN 与实际风力（红线）的样子

当我尝试使用 RMSE 绘制中位数分位数与实际风力功率（红线）时，出现上述“属性误差”后会发生以下情况

我还尝试使用我对建立 tau 的单元格和最后一个单元格的代码进行编辑的代码执行以下操作：

我得到以下情节： 这是当我做 tau = np.arange(0.49, 0.51, 0.01) 和 N_tau = len(tau)

虽然这看起来是正确的并且几乎是我想要的，但还有另一个问题！每次我重新启动整个内核时，RMSE 都会不断变化（每次都会变小一点，即从 15,000 到 14950 到 14830 等）。

我非常接近完成这个，我只想通过比较中位数与实际风力来验证我的 QRNN 的准确性，但这部分（这可能是一个简单的修复）给我带来了很多麻烦. 请帮忙！

我正在使用 QAR 模型并在 Python 中搜索文档或代码示例。我正在专门寻找 Koenker 和 Xiao (2004) 方法的 Python 实现。

我正在使用一个自然三次样条对某些数据运行分位数回归模型，该模型需要单调递减（因为它不能在任何点物理增加）。首先，我使用包中的ns()函数splines来实现这一点，但很快发现它不会这样做（不足为奇）。所以我mSpline从包splines2中找到了应该适合单调样条的函数，但它也不起作用。下面是这两个函数的示例以及它们如何在mtcars.

如何通过我的方法或其他方法实现获得单调递减样条曲线的目标？

如果可以将其他变量添加到模型中，则可以加分，这些变量不是样条曲线。

有没有办法专门用xtqreg Stata 包绘制分位数回归线？xtqreg计算具有固定效应的分位数回归： https ://ideas.repec.org/c/boc/bocode/s458523.html

我在 python (python 2.7) 中有一个数据集。我想找到这个数据集的分位数回归。任何人都可以帮我解决它吗？谢谢你。这是我的代码：

对于我的学士论文，我正在尝试对来自调查的恒定总和数据应用线性中值回归模型（参见 A.Blass (2008) 的公式）。这是重新创建 A. Blass 等人 (2008) 提出的概率诱导方法的尝试 -使用诱导选择概率来估计随机效用模型：电力可靠性的偏好

我的因变量是常数总和分配的对数赔率转换。使用以下公式计算：

我的自变量是交货成本、最小订单数量和交货窗口，每个分类变量都有级别 0、1、2 和 3。这里，级别 0 表示无选项。

数据快照

我尝试运行以下分位数回归（使用 R 的 quantreg 包）：

但是，我遇到了以下表明奇点的错误：

我进行了线性回归并应用了 R 的别名函数以进行进一步调查。这告诉我三个完美多重共线性的案例：

• 最小订货量 3 = 交货成本 1 + 交货成本 2 + 交货成本 3 - 最小订货量 1 - 最小订货量 2
• 交付窗口 3 = 交付成本 1 + 交付成本 2 + 交付成本 3 - 交付窗口 1 - 交付窗口 2
• NoneOpt = 拦截 - 交付成本 1 - 交付成本 2 - 交付成本 3

事后看来，这些案例都是有道理的。当 R 二分分类变量时，您通过构造得到这些结果，交付成本 1 + 交付成本 2 + 交付成本 3 = 1 和最小订货量 1 + 最小订货量 2 + 最小订货量 3 = 1。重写给出了第一个公式。

它看起来像一个经典的假陷阱。为了解决这个问题，我尝试手动对数据进行二分法并使用以下公式：

我现在得到以下信息，而不是错误消息：

使用汇总功能时：

有人熟悉这个问题吗？我正在寻找替代解决方案。也许我在使用 rq() 函数时出错了，或者数据可能被歪曲了。

我很感谢您的任何意见，在此先感谢您。

可重现的例子

示例数据+代码链接：GitHub

我正在尝试使用 python statsmodels 包执行分位数回归。

我有 5 个预测变量和 6 个虚拟变量，应该用于预测变量 FF159。

问题是当我不使用其中一个虚拟变量和我的预测变量时，该模型工作得非常好。但是当使用所有 5 个预测变量和 6 个虚拟变量时，它会在标题中引发错误。

c1,c2,c3,c4,c5 和 c6 是我的虚拟变量。

此代码返回以下结果：（我只使用了 6 个虚拟变量中的 5 个）

结果：

在预测变量旁边使用 6 个虚拟变量，python 向我抛出了这个错误：

我在一些线程中看到它可能是多重共线性问题，但事实并非如此。下图显示了我的相关矩阵。

我在 python 中使用 statsmodels 来执行分位数回归。我正在运行分位数 99 和分位数 1 来查看我的分布的极端分位数。

输出是

也就是说，百分位数 1、目标和百分位数 99 的分布并没有太大的不同。这是预期的还是我错过了什么？

对于statsmodelsusing的模块python，我想知道使用statsmodels.formula.apivs调用相同程序的差异是如何产生的statsmodels.regression.quantile_regression。特别是，我获得了参数估计的差异。

附上一个最小的工作示例。

编辑：

我需要编辑我的问题；下面提出的解决方法，我仍然非常感激，在应用设置中不起作用；原因：我没有只有 1 个回归器。请在附件中找到修改后的版本。

我正在尝试使用 statsmodels 拟合分位数回归。在我的笔记本电脑中运行的相同代码在云中失败，并说它没有 fit 方法。但在文档中，我看到它有 fit 方法。是什么原因造成的？我在 zeppelin notebook 中使用它。

这是我收到的错误消息：

AttributeError：“交互式”对象没有“适合”属性