Pertanyaan yang diberi tag «quantile-regression»

Saya bertanya-tanya di mana ada rumus umum untuk menghubungkan nilai yang diharapkan dari variabel acak kontinu sebagai fungsi dari kuantil dari rv yang sama Nilai yang diharapkan dari rv didefinisikan sebagai: dan kuantil didefinisikan sebagai: untuk .E ( X ) = ∫ x d F X ( x ) Q …

10 expected-value  quantiles  quantile-regression 

Saya telah melihat dua representasi yang berbeda dari penduga regresi regresi yang Q ( βq) = ∑i : ysaya≥ x′sayaβnq∣ ysaya- x′sayaβq∣ + ∑i : ysaya&lt; x′sayaβn( 1 - q) ∣ ysaya- x′sayaβq∣Q(βq)=∑saya:ysaya≥xsaya′βnq∣ysaya-xsaya′βq∣+∑saya:ysaya&lt;xsaya′βn(1-q)∣ysaya-xsaya′βq∣Q(\beta_{q}) = \sum^{n}_{i:y_{i}\geq x'_{i}\beta} q\mid y_i - x'_i \beta_q \mid + \sum^{n}_{i:y_{i}< x'_{i}\beta} (1-q)\mid y_i - x'_i \beta_q …

10 proof  quantile-regression  equivalence 

Menggunakan plot.rqdalam quantregpaket di R, kita dapat memplot distribusi estimasi koefisien, dan mendapatkan sesuatu seperti ini: Apa garis merah putus-putus? Googling ekstensif telah mengungkapkan bahwa yang di tengah adalah rata-rata dari semua 99 perkiraan, tetapi masih tidak tahu tentang garis merah putus-putus.

9 r  data-visualization  quantile-regression 

Regresi kuantil (QR) kadang-kadang dikatakan untuk mengungkapkan hubungan yang berbeda antara variabel pada kuantil yang berbeda dari distribusi. Misalnya Le Cook et al. "Berpikir di luar rata-rata: panduan praktis untuk menggunakan metode regresi kuantil untuk penelitian layanan kesehatan" menyiratkan bahwa QR memungkinkan hubungan antara hasil yang menarik dan variabel penjelas …

8 interpretation  quantile-regression 

Saya memiliki hasil dengan sensor yang benar seperti ini: y&lt;-c(rep(2.83,3), rep(3.17,4), rep(3.83,4), rep(4.17,5), rep(4.83,8), rep(5.5,3), rep(7.17,5), rep(8.17,7), rep(8.83,12), rep(9.5, 12), rep(9.83,17), rep(10.17,30), rep(10.50,100)) di mana y=10.5nilai sensor benar. Kemudian, saya akan mencoba menggunakan quantreg::crqagar sesuai dengan model regresi kuantil yang disensor dan mulai dengan variabel intervensi biner: set.seed(123) require(quantreg) yc&lt;-rep(10.5, …

8 r  quantile-regression 

Saya ingin memasukkan bobot sampel ke model regresi kuantil saya, tetapi saya tidak yakin bagaimana melakukan ini. Saya sudah menentukan berat badan saya, yang merupakan replikasi bobot yang sudah diberikan dalam dataset survei (dihitung dalam paket survei): w&lt;-svrepdesign(variables=data[,1:10],repweights=data[,11:30],type="BRR", combined.weights=TRUE, weights=r.weights, rho=0.5,dbname="") dan model rq saya adalah: rq(y~x,tau=c(.1,.2,.3,.4,.5,.6,.7,.8,.9),data=my.data)) Saya mencoba menggunakan …

8 r  quantile-regression