问题标签 [quantile-regression]

我有一个由客户 ID 索引的数据框 df。并包括： df=['Customer ID', 'Sales' ,'Product code' ,'Price']]：https ://i.stack.imgur.com/vP8Gy.png

我想创建一个分位数列，它为每个客户 id 计算(0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9,0.95,1) 价格列范围内的相应分位数

df=['Customer ID', 'Sales','Product code', 'Price', 'Quantiles Price']

所以最终的 df 将包含一个新列，称为每个相应客户 ID 的价格分位数：

任何人都可以建议我可以使用什么功能来获得这个？

先感谢您。

尝试对某些功能使用带有单调约束的分位数回归时，我在 CatBoost 中遇到了问题。

分位数损失使用“Exact”作为叶子估计方法，但单调约束不能与此方法一起使用。

我尝试使用“梯度”方法，但它似乎在分位数回归中效果不佳（即使没有单调约束）。

我如何将分位数回归与单调约束结合起来？

我正在对生存数据执行审查分位数回归，以解释我的队列中某些百分位数的生存时间差异。我正在使用quantregCRAN 的软件包。

这是一个可作为可重现示例的代码

请注意，在我的df数据集中，您有一个时间变量 ( months)、一个事件变量 ( event) 和一个分组变量 ( sex)。我随机添加了一些 NA 值来模拟观测的真实数据。

如您所见，fit存储crq函数的结果。结果如下：

这些NA可能与事件在我的数据库中非常罕见有关，因此两组的总生存率可能高于 20%（即 0.2 个百分点）。但是，我对较低的百分位数感兴趣（应该报告非 NA 值）。当我运行summary(fit)命令时，结果如下：

我没有尝试过任何可以帮助我的代码工作的方法。请注意，我尝试在 crq 的调用中指定tau,taus和grid属性，但这些似乎不会影响输出（它一直在发布“NA”表）。

谁能帮我？

有谁知道如何在连续变量上拟合二次（或更高阶）模型并在 R 中对其进行分位数回归？此外，您如何判断哪个级别的 tau 更适合数据？

“den”的值是鱼的密度 (count/m^3) 和盐度 = 盐度 (ppt)。完整的数据集是 1500 个观测值，我想使用盐度来预测鱼的密度。包含所有数据的图看起来是半二次的，但我想使用分位数回归将其与其他拟合进行比较。我只是不知道如何使模型中的关系非线性。是den~盐度+盐度^2吗？

首先我使用 R 实现分位数回归，然后我使用具有相同分位数（tau）和 alpha=0.0（正则化常数）的 Sklearn 实现。我得到相同的公式！我尝试了许多“求解器”，但运行时间仍然比 R 长得多。

运行时间：Scikit-learn 模型与 R 模型

例如：

示例：40672 个样本

在 R 模型中，默认方法是“br”，而在 Sklearn 中是“套索”。尽管我将 R 实现的方法更改为“套索”，但运行时间更短。

不同的方法

导入并创建数据：

绘制数据的函数（有或没有线）：

阴谋

获取公式的函数：

拟合数据并测试运行时间和公式：

R_model
Sklearn_model

为什么在 sklearn 和 R 模型实现中拟合模型需要更长的时间？

我正在尝试使用在 R 中的多重插补数据上运行的分位数回归模型手动汇集结果mice。我使用引导程序来获得模型项的 95% CI 和 P 值，其中模型参数及其标准误差是在采样一定数量的行后获得的，该行数等于我的数据集中唯一的参与者数量. 对于m个估算数据集的每一个，该过程重复 500 次。然后，作为最后一步，我根据 Rubin 的规则 (1987)（参见例如https://bookdown.org/mwheymans/bookmi/rubins-rules . html ). 为了加快速度，我使用foreach将分析拆分到多个处理器内核for上并循环遍历m个估算数据集。

但是，合并结果的部分似乎存在缺陷。当我查看汇总结果时，我观察到 P 值与 95% CI 不一致（例如，当 0 包含在 95% CI 中时，P < 0.05）。

为了说明这个问题，我做了一个可重复的例子，使用这些公开可用的数据：https ://archive.ics.uci.edu/ml/machine-learning-databases/00519/heart_failure_clinical_records_dataset.csv

因为这个数据集中没有缺失数据，所以我自己介绍一下，对数据进行插补（m = 10个插补数据集，20次迭代）。我set.seed用于重现性。

请注意，我在此示例中使用lm而不是。quantreg::rq

为了进一步加快速度，我在这里使用 OLS 而不是分位数回归并并行化该过程。

作为最后一步，我根据 Rubin 的规则汇总结果。

显然，下图的P值不符合95% CI（因为0包含在CI中，所以P值应该≥0.05）。

编辑（2021 年 12 月 29 日）

正如@Gerko Vink 在他的回答中指出的那样，多重插补和引导都会导致方差。插补引起的方差由鲁宾规则处理，引导方差不是。不幸mice::pool的是，不适用于quantreg::rq.

我知道基于本文所示的基于百分位的简单方法构建引导 CI ，但我倾向于认为这不是正确的方法。

有谁知道在使用时如何适当地处理引导引起的额外差异rq？

编辑（2021 年 12 月 30 日）

受最近这篇文章的启发，我决定不再走自举的道路，而是从每个估算的数据集中手动提取点估计和方差，并使用鲁宾规则将它们汇集起来。我已将这种方法发布为下面的答案。不过，任何关于如何适当处理使用时引导引起的额外差异的意见rq仍然非常受欢迎！

我有兴趣将分位数回归模型拟合到具有二元结果响应的数据，因此，我使用GJRMR 中的包。在拟合模型后，我尝试为每个预测变量绘制带有多个分位数的置信区间，但是，我不能吨。在这里，我包含了一个来自包本身的示例。另外，我怎么能找到每个拟合模型的 AIC？给定示例中的 AIC 适用于两个拟合方程。

如何对 rqpd 对象的标准错误进行聚类？该功能summary.rqpd似乎不允许“集群”选项。

最小工作示例：

我正在使用 R 使用自举标准误差进行分位数回归，以测试一个变量在分布的第 5、第 50 和第 95 个百分位数是否高于第二个变量。输出不包括 t stat 的自由度。我该如何计算？

我对 R 和一般编码相对较新，我一直在尝试复制此PDF中提供的示例（https://support.sas.com/resources/papers/proceedings17/SAS0525-2017.pdf）关于分位数回归在 SAS 中。该示例可在第 14 至 17 页上找到，并应用于一个简单的数据集，以确定学生在控制年龄时的表现百分位数。

我从未使用过 SAS 并尝试使用 quantreg 包在 R 中复制示例，但到目前为止我还无法获得回归分位数级别的结果。（我不在乎图表）

是否有人可以提供将 SAS 代码转换为 R 的示例？

编辑：我很抱歉在没有示例的情况下发布此内容，因为卡梅伦先生向我指出我的问题的格式之前不够充分。我希望这现在更合适了。感谢您的帮助！

这是我所做的一个例子：

最后一行代码为我产生了一个错误。我现在的问题是如何使用 quantreq 来获取各个学生 ID 的分数等级。我可以对分数本身进行回归，但我不知道如何像示例中那样对每个人进行回归。