分位数回归和 p 值

Question

我正在对我的数据集应用 guantile 回归（使用 R）。很容易生成具有不同分位数回归线的漂亮散点图图像 (taus＜-c(0.05,0.25,0.75,0.95))。

当我想要为这些分位数中的每一个生成 p 值（以便查看每条回归线的统计显着性）时，就会出现问题。对于中位数分位数 (tau=0.5)，这不是问题，但是当涉及到 tau=0.25 时，我收到以下错误消息：

>QRmodel<-rq(y~x,tau=0.25,model=T)
>summary(QRmodel,se="nid")
Error in summary.rq(QRmodel, se = "nid") : tau - h < 0:  error in summary.rq

这可能是什么原因？

另外：是否建议提及有关分位数回归模型结果的 p 值和系数，或者仅显示绘图并根据该图讨论结果就足够了吗？

最好的问候，失意的人

Answer 1

了解此类调试情况中发生的情况的一个好方法是找到引发错误的相关代码部分。如果您在控制台输入“summary.rq”，您将看到函数summary.rq 的代码。浏览它，您将找到使用“nid”方法计算 se 的部分，从以下代码开始：

else if (se == "nid") {
    h <- bandwidth.rq(tau, n, hs = hs)
    if (tau + h > 1) 
        stop("tau + h > 1:  error in summary.rq")
    if (tau - h < 0) 
        stop("tau - h < 0:  error in summary.rq")
    bhi <- rq.fit.fnb(x, y, tau = tau + h)$coef
    blo <- rq.fit.fnb(x, y, tau = tau - h)$coef

所以这里发生的是，为了计算 se，该函数首先需要计算带宽 h 和Quantreg 模型针对 tau +/- h 进行了改装。对于 tau 接近 0 或 1 的情况，添加或减去带宽“h”可能会导致 tau 低于 0 或大于 1，这不好，因此函数会停止。

您有几个选择：

1.) 尝试不同的 se 方法（引导？）

2.) 自己修改summary.rq 代码以强制它在中使用 max(tau,0) 或 min(tau,1)带宽使 tau 超出范围的实例。 （可能有严重的理论原因说明为什么这是一个坏主意；除非您知道自己在做什么，否则不建议这样做。）

3.）您可以尝试阅读这些 se 的计算背后的理论，这样您就会有一个更好地了解它们何时可以有效或无效。这可能会解释为什么您会遇到 tau 值接近 0 或 1 的错误。

Answer 2

尝试 summary(QRmodel,se="boot")

同时查看 summary.rq 的帮助！