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.
rmspakietu R ,bootcovjest zapisanie współczynników regresji replikacji bootstrapu ( ) i użycie nieparametrycznego procentowego przedziału ufności bootstrapu, aby uzyskać przedziały ufności dla dowolnego kontrastu (kombinacji βs ).Odpowiedzi:
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). . ”
źródło