Regresja kwantowa: Jakie błędy standardowe?

35

summary.rqFunkcja z winiet quantreg oferuje wiele opcji dla standardowych szacunków błędach współczynników regresji kwantylowych. Jakie są specjalne scenariusze, w których każdy z nich staje się optymalny / pożądany?

  • „ranga”, która wytwarza przedziały ufności dla oszacowanych parametrów poprzez odwrócenie testu rang, jak opisano w Koenker (1994). Domyślna opcja zakłada, że ​​błędy to iid, natomiast opcja iid = FALSE implementuje propozycję Koenkera Machado (1999). Dodatkowe argumenty znajdują się w dokumentacji pliku rq.fit.br.

  • „iid”, który zakłada, że ​​błędy są iid, i oblicza oszacowanie asymptotycznej macierzy kowariancji jak w KB (1978).

  • „nid”, który zakłada lokalną (in tau) liniowość (w x) warunkowych funkcji kwantylu i oblicza oszacowanie kanapkowe Hubera przy użyciu lokalnego oszacowania rzadkości.

  • „ker”, który wykorzystuje oszacowanie jądra dla kanapki, jak zaproponował Powell (1990).

  • „boot”, który implementuje jedną z kilku możliwych alternatyw ładowania początkowego w celu oszacowania standardowych błędów.

Przeczytałem co najmniej 20 prac empirycznych, w których stosuje się to zarówno w szeregu czasowym, jak i w przekroju, i nie widziałem wzmianki o standardowym wyborze błędu.

Jase
źródło
8
Mam nadzieję, że otrzymacie wiele odpowiedzi na to doskonałe pytanie. Potrzebujemy wskazówek w tej dziedzinie. Innym podejściem, ułatwionym dzięki funkcji rmspakietu R , bootcovjest zapisanie współczynników regresji replikacji bootstrapu ( ) i użycie nieparametrycznego procentowego przedziału ufności bootstrapu, aby uzyskać przedziały ufności dla dowolnego kontrastu (kombinacji βs ). ββ
Frank Harrell,
Doskonałe pytanie, powiedziano mi w klasie „zawsze używaj bootstrapowania”, ale nie jestem pewien, dlaczego, ponieważ nie znam teorii stojącej za innymi metodami.
Max Gordon,
4
Czy przeczytałeś artykuł Koenker and Hallock (2000): Quantile Regression: An Introduction ( econ.uiuc.edu/~roger/research/intro/rq.pdf )? Preferowany jest bootstrap, ponieważ nie zakłada on rozkładu odpowiedzi (s. 47, Regresje kwantowe, Hao i Naiman, 2007). Należy również zauważyć, że „... założenia dla procedury asymptotycznej zwykle nie mają zastosowania, a nawet jeśli te założenia są spełnione, skomplikowane jest rozwiązanie dla standardowego błędu skonstruowanej zmiany skali i skośności (s. 43). . ”
Metryki
Czy ponowne próbkowanie bootstrap nie zakłada, że ​​uprzedni mundur nie ma charakteru informacyjnego?
EngrStudent - Przywróć Monikę
@Metrics: Może powinieneś zamieścić to jako odpowiedź?
naught101

Odpowiedzi:

5

Czy przeczytałeś artykuł Koenker and Hallock (2000): Quantile Regression: An Introduction (econ.uiuc.edu/~roger/research/intro/rq.pdf)? Preferowany jest bootstrap, ponieważ nie zakłada on rozkładu odpowiedzi (s. 47, Regresje kwantowe, Hao i Naiman, 2007). Należy również zauważyć, że „... założenia dla procedury asymptotycznej zwykle nie mają zastosowania, a nawet jeśli te założenia są spełnione, skomplikowane jest rozwiązanie dla standardowego błędu skonstruowanej zmiany skali i skośności (s. 43). . ”

Metryka
źródło