问题标签 [quantreg]

我想执行 CLAD 回归

• y = EQ-5D-5L 效用分数（以 1.0 为界）
• x = 各种患者特征

我已经发现我需要在库QUANTREG中使用CRQ，但到目前为止我无法弄清楚具体细节。我的问题是：

1. 我需要使用鲍威尔方法吗？
2. 如果是这样，如果我没有时间变量而是 0/1 审查变量，我该如何指定“yc”（审查时间）？

这是我尝试过的代码，但我不断收到通知“事件时间不能超过正确审查的 ctimes”，因为对于效用得分 >0 和 <1 的患者，得分高于我创建的 0/1 yc 变量.

先感谢您！

我试图quantreg在 12 555 029 个案例中使用 2 个自变量运行。我在计算机上有 16GB RAM，64 位操作系统。命令memory.limit()返回16 264。返回的命令sessionInfo()：

在执行期间，quantreg最多仅使用4GB。我在任务管理器中看到了这个。超过一个小时没有完成，我停止了它。

为什么quantreg不使用其他可用的 RAM？如何增加 RAM 内存的使用？

Python 中 statsmodels 包中的 QuantReg 给出的结果与 R 中的结果截然不同，使用的数据如下面的代码所示。

我分别在 Python 和 R 中尝试了 STACKLOSS 数据，结果是一样的。我想知道数据本身是否在 Python 中引起了一些问题，或者算法的两种实现可能存在一些根本差异，但无法弄清楚。

Python中的代码：

在 R 中：

R 给出 1.829800e+02, -9.003955e-03, -2.527093e-03, -5.697678e-05 的系数

而 Python 给出以下 3.339e-05, -1.671e-09, -4.635e-10, 7.957e-11

任何输入或提示表示赞赏。

我正在尝试计算相当分散的数据的百分位数或分位数。使用 Loess 函数可以很好地呈现平均值，但是，我无法从此函数中获得百分位数/分位数。

我试图将 quantreg 与黄土结合起来。此图显示线性曲线而不是黄土平滑曲线。

我想得到类似这样的结果：

我也尝试了建议的代码，但是，我无法更改平滑的设置。线条显示波浪形路径。

Loess 函数不像 rg 那样提供分位数数据。

然而，黄土函数允许获得没有锯齿形的曲线。请查看代码片段。与 Loess 函数相比，使用 rg 函数产生相同结果的 tau=0.5 的设置是什么。

我需要找到这个模型的估计系数的 p 值

样本数据：

功能：

如果可能的话，我不仅想要参数符号，还想要模型符号和 R^2 或 adj R^2！

我在 R (package quantreg) 中做了一个非线性回归，得到了以下结果：

现在，我想了解它的确切含义。因此，第一个参数是渐近线，我希望它是 y 的值，在该值处，预测因子的进一步增加不再导致 y 值的增加。

然后是中间点，我认为它是某种拐点，或者是 X 值，在该值处 y 开始迅速失去增长。

最后，缩放因子 scal 将显示当 x 在拐点之前增加时 y 增加了多少。

对于所有系数的值，标准误差很容易理解，但 T 并非如此。我有点想像，对于比例因子，T 表示 y 的增加除以误差，但是对于渐近线或拐点，高 T 的解释是什么？

同样，t 不为零的概率似乎很容易解释，但是对于渐近线和拐点具有显着的 t 值意味着什么？

我在别处找不到这些问题的答案。提前感谢您的任何澄清

我编写了这段代码来查找带有 X 轴标签和 Y 轴标签的分位数回归图。但它只给出没有轴标签的情节。如何找到每个变量的轴标签图。

在普通分位数回归中，qr我们可以通过 option 指定自定义分位数tau。

在审查分位数回归中crq，帮助页面声称我们也可以通过 option 指定自定义分位数taus，但这似乎没有任何效果。

有人知道如何指定自定义分位数crq吗？

数据

所以我想在使用facet_wrap. 代码如下：

^{由reprex 包（v0.3.0）于 2019-12-05 创建}

可以看出回归线没有完整的范围，我不能轻易解决这个问题。