Question

有一种方法可以构建分位数回归的置信区间：

x <- rnorm(1000)
y <- x + 2*rnorm(1000)
rqm1 <- rq(y~x)
summary(rqm1)

默认是什么？是5％吗？如何找到另一个，比如10％？

Answer 1

summary.qr方法的默认Alpha级别为.1，对应于.9的置信区间宽度。我很困惑这一段时间因为它没有明确记录。

se = "rank"（少于1001行的数据的默认值）的置信区间是通过使用rq.fit.br重新设置模型来计算的，rq是rq.fit.br使用的基础机制。如果查看alpha的文档，可以看到默认情况下.1参数设置为alpha。如果您将summary.rq参数传递给rq.fit.br，它将传递给summary(rqm1)，您将获得您正在寻找的置信区间。

与summary(rqm1, alpha = .1)相同的结果：

summary(rqm1, alpha = .05)

95％间隔：

class Book implements JsonSerializable { public function jsonSerialize() { return [ 'id' => $this->id, 'title' => $this->title ]; } }

Answer 2

你变得很困惑。默认情况下，rq的汇总函数使用秩方法来估计CI 因此，您可以使用summary.rq函数并设置se =“boot”，“nid”，“iid”，“ker”选项以获取不同的标准错误。我已将其设置为se =“boot”。它为您提供系数的标准误差，您可以在qunatile公式中使用它来查找CI。

90％使用

qnorm(0.95)

95％使用

qnorm(0.975)

完整的代码

library(quantreg)
x <- rnorm(1000)
y <- x + 2*rnorm(1000)
rqm1 <- rq(y~x)
summary.rq(rqm1, se="boot") -> rqm2
coef=rqm2$coefficients[,1] 
err=rqm2$coefficients[,2]  
ci <- list()
for (i in 1:length(coef)){
ci[[i]] <- coef[i] + c(-1,1)*err[i]*qnorm(0.975)}

这将返回截距和所有变量的置信区间

分位数回归的置信区间是多少？如何找到除默认之外的其他内容？

2 个答案: