使用rq函数计算R中分位数回归的95％置信区间

Question

我想获得分位数回归的回归系数的95％置信区间。您可以使用R中rq包的quantreg函数计算分位数回归（与OLS模型相比）：

library(quantreg)
LM<-lm(mpg~disp, data = mtcars)
QR<-rq(mpg~disp, data = mtcars, tau=0.5)

我可以使用confint函数获得线性模型的95％置信区间：

confint(LM)

当我使用分位数回归时，我理解以下代码会产生自举标准错误：

summary.rq(QR,se="boot")

但实际上我想要95％的置信区间。也就是说，有些东西要解释为：＆＃34;概率为95％，间隔[...]包括真系数＆＃34;。当我使用summary.lm（）计算标准误差时，我只需乘以SE * 1.96并得到与confint（）类似的结果。但是使用自举标准错误是不可能的。 所以我的问题是如何获得分位数回归系数的95％置信区间？

Answer 1

您可以直接使用var self = this; self.items1 = ['a','b','c','d','e','f','g','h']; self.items2 = ['i','j','k','l','m','n','o','p']; 函数来引导系数：

boot.rq

您可能希望使用启动包来计算百分位数间隔以外的时间间隔。

Answer 2

您也可以从对象中检索vcov，设置covariance=TRUE。这相当于在CI中使用了增强的标准错误：

vcov.rq <- function(x, se = "iid") {
 vc <- summary.rq(x, se=se, cov=TRUE)$cov
 dimnames(vc) <- list(names(coef(x)), names(coef(x)))
 vc
}

confint(QR)

但是，是的，更好的方法是使用学生化的引导程序。