Baru-baru ini, paket lqmm "Linear Quantile Mixed Models" telah diunggah di CRAN. Meskipun saya belum pernah menggunakannya, paket lqmm tampaknya melakukan apa yang Anda inginkan.
Presentasi ini dari useR! Konferensi 2011 menunjukkan beberapa contoh paket. Ini adalah deskripsi paket yang diambil dari useR! Abstrak konferensi 2011:
Conditional quantile regression (QR) berkaitan dengan estimasi kuantil yang tidak diketahui dari suatu hasil sebagai fungsi dari seperangkat kovariat dan vektor koefisien regresi tetap. Dalam beberapa tahun terakhir, kebutuhan untuk memperluas kemampuan QR untuk data independen untuk berurusan dengan desain pengambilan sampel berkerumun (misalnya, tindakan berulang) telah menyebabkan beberapa pendekatan dan sangat berbeda. Di sini, saya mempertimbangkan pendekatan berbasis kemungkinan yang bergantung pada hubungan yang ketat antara masalah norma L₁ tertimbang terkait dengan model QR bersyarat dan distribusi Laplace asimetris (Geraci dan Bottai, 2007).
Dalam presentasi ini, saya akan menggambarkan penggunaan paket R lqmm untuk melakukan QR dengan efek campuran (tetap dan acak) untuk model bersarang dua tingkat. Estimasi koefisien regresi tetap dan matriks kovarians efek acak didasarkan pada kombinasi dari pendekatan kuadratur Gaussian dan algoritma optimisasi. Yang pertama termasuk Gauss-Hermite dan Gauss-Laguerre quadratures untuk, masing-masing, efek acak normal dan eksponensial ganda (yaitu, Laplace simetris); yang terakhir termasuk algoritma pencarian kompas yang dimodifikasi dan pengoptimal tujuan umum (optim dan optimisasi). Permodelan dan masalah inferensial dirinci dalam Geraci dan Bottai (2011) (draft awal tersedia berdasarkan permintaan). Paket ini juga menyediakan perintah untuk kasus data independen.