使用rq函数计算多项式

Question

这是此问题的扩展，使用rquant进行分位数回归的95％置信区间：

Calculating 95% confidence intervals in quantile regression in R using rq function

  

这里，目标是确定多项式拟合的分位数回归的95％置信区间。

数据：

x<-1:50
y<-c(x[1:50]+rnorm(50,0,5))^2

尝试使用上述问题中的方法：

QR.b <- boot.rq(cbind(1,x,x^2),y,tau=0.5, R=1000)

t(apply(QR.b, 2, quantile, c(0.025,0.975)))
            2.5%      97.5%
[1,] -14.9880661 126.906083
[2,] -20.5603779   5.424308
[3,]   0.8608203   1.516513

但这当然决定了每个系数的95％CI，并且似乎高估了间隔（见下图）。

我有另一个想法，只是从数据的自举样本中确定系数（即rq(y~x+I(x^2))对数千个y和x的样本），但是想知道是否有东西构建到封装