问题标签 [quantreg]

我想生成数据以显示分位数回归如何有用，特别是当线性回归显示两个变量之间没有（平均）相关性，但数据的上分位数和/或下分位数存在相关性时。

可以在下图中找到此行为：

但我想用对我的研究领域有意义的数据来重现这种行为，这恰好是住房经济学。

我正在尝试绘制 quantreg 命令的结果，但图表的标签不显示。我正在运行这段代码：

这是返回的图像：

我正在尝试使用 quantregForest 运行可重现的结果，但无法获得相同的结果。有没有办法在这个函数中设置种子？

a 不等于 b

我正在寻找一种使用 R 获得分段分位数线性回归的方法。我已经能够使用包计算分位数回归 quantreg。但是，我不只想要 1 个独特的斜率，而是想要检查我的数据集中的断点。我已经看到该segmented软件包可以这样做。lm虽然使用or进行拟合时效果很好glm（如下面的示例所示），但它不适用于分位数。

在segmented我读过的包信息中，有一个segmented.default 可用于特定回归模型的，例如分位数。但是，当我将其应用于分位数结果时，会出现以下错误：

diag(vv) 中的错误：无效的“nrow”值（太大或 NA）此外：警告消息：无法计算协方差矩阵

如果我不使用 K=2 而不是使用例如 psi 我得到其他类型的错误：

rq.fit.br(x, y, tau = tau, ...) 中的错误：奇异设计矩阵

我用mtcars数据创建了一个示例，因此您可以看到我得到的错误。

quantreg我使用包计算了以下分位数回归

我正在尝试使用stargazer. 我试图运行的代码如下：

但是，我收到以下错误消息

我假设此错误消息与标准错误函数rq.se有关stargazer，例如summary(qr_10, se = "iid")可以正常工作。

有人有解决这个问题的方法吗？谢谢你。

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

当尝试运行下面的代码预测时，它给了我一个错误，说区间 arg 应该是无或置信度，所以我想知道是否有办法使用分位数回归来获得预测区间？

注意：如果我用 lm 替换 rq，我可以找到预测区间，但是我想使用 rq 找到它。

CSV 文件片段：

我试图估计 GDP（以立方计算）对二氧化碳排放的影响。为了估计 CO2 排放分布的影响，我想进行分位数回归。为了减少遗漏变量偏差，我想包括国家固定效应和十年固定效应。我使用 Koenker 和 Bach 提供的 rqpd 包，特别是 Penalized Fixed Effects (PFE) 方法。

数据由 3247 个观测值组成。代码如下：

这会产生错误消息：Error in `[[<-.data.frame`(`*tmp*`, i, value = c(18L, 18L, 18L, 18L, 18L, : replacement has 6494 rows, data has 3247

如果我只包括 Country 固定效果，则代码有效。因此，我的问题是：是否可以在 rqpd 中包含不止一种类型的固定效应？或者有没有其他选择来估计分位数回归中的固定效应？我检查了“lqmm”和“quantreg”包，但找不到任何相关的东西。非常感谢您的任何建议！

我面临一个问题

没有完成计算。没有错误和警告。我跟踪代码，发现 rq.fit.br() 中的 .Fortran() 没有完成计算。我对 Fortran 不熟悉，所以让我在这里问这个问题。我想知道导致这个无限循环的边界条件。如果我知道的话，我可以避免这种无休止的计算。

提前谢谢你的帮助。

我正在使用quantreg包来预测基于训练集的新数据。predict.rq但是，我注意到orpredict和手动执行之间存在差异。这是一个例子：

分位数回归设置为

我要预测的新数据集是

我使用predict.rqorpredict来预测 newdata。两者都返回相同的结果：

我也手动根据系数矩阵进行预测：

我希望两者在数字上是相同的，但它们不是：

他们的差异不容忽视。

然而，预测原始数据集X，两者都返回相同的结果，即

使用该功能时我会错过什么吗？谢谢！