从某些百分位数获得对数正态分布

Question

我正在尝试在Stata或R中做点什么。

我有工资分布的百分位数（百分位数10,25,50,75,90），我想估计一个对数正态分布以适应它们。在Stata中有一个命令lognfit，它适合单位记录数据的对数正态，但不符合百分位数。

是否值得使用Stata的gmm命令，使用我的五个数据点来估计lognormal的两个参数作为一个过度识别的系统？

Answer 1

这是Stata解决方案。

我向其他人留下了IAPHelper.sharedIntance.createPaymentRequestForProduct()的吸引力。您还可以在标准正态分布的相应分位数上回归记录的分位数。以下是嵌入实验中的代码，以了解该方法的工作原理。我们从对数正态产生1000个样本，每个样本大小为1000，这是一个法线1和SD 2取幂的法线。这里是gmm执行所有回归，每个样本一个。

rangestat

Answer 2

谢谢大家的回复。

我正在尝试这两个程序。例如，在R中，我使用了包library(rriskDistributions)，特别是

    ## example with only two quantiles

    q <- stats::qlnorm(p = c(0.025, 0.975), meanlog = 4, sdlog = 0.8)

    old.par <- graphics::par(mfrow = c(2, 3))
    get.lnorm.par(p = c(0.025, 0.975), q = q)
    get.lnorm.par(p = c(0.025, 0.975), q = q, fit.weights = c(100, 1), 
    scaleX = c(0.1, 0.001))
    get.lnorm.par(p = c(0.025, 0.975), q = q, fit.weights = c(1, 100), 
    scaleX = c(0.1, 0.001))
    get.lnorm.par(p = c(0.025, 0.975), q = q, fit.weights = c(10, 1))
    get.lnorm.par(p = c(0.025, 0.975), q = q, fit.weights = c(1, 10))
    graphics::par(old.par)

在Stata中，我正在尝试使用基于https://blog.stata.com/2015/12/03/understanding-the-generalized-method-of-moments-gmm-a-simple-example/

的GMM

    matrix I = I(1)

    mat lis I

    gmm ((y - exp({xb: percentile_10 percentile_20 percentile_25 
    percentile_30 percentile_50 percentile_60 percentile_75 
    percentile_90})) / exp({xb:})), instruments(percentile_10 
    percentile_20 percentile_25 percentile_30 percentile_50 percentile_60 
    percentile_75 percentile_90) twostep  

这是第一次尝试使用GMM，当然我错过了一些东西。

尼克考克斯的回答很棒。我会尝试用这种方法来拟合我的数据。