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