对于分位数回归，存在哪些诊断图？

接下来是我对OLS的提问，我想知道：对于分位数回归，存在哪些诊断图？（并且它们有R实现吗？）

谷歌快速搜索已经找到了蠕虫图（我以前从未听说过），并且很高兴知道您可能知道的更多方法。（其中有一个来自OLS移植用于分位数回归吗？）

除了假设响应变量几乎是连续的之外，分位数回归不做分布假设，即关于残差的假设。如果你正在处理估计分位数作为函数预测X，远远地占据了重要的事情可能出错的问题是线性预测误设$X\beta$通过欠拟合，即未能包括非线性效应（一个常见问题）或相互作用效应。至少有两种推荐的方法。首先，如果您的样本量很大，则只适合一个更灵活的模型。一个很好的折衷方法是使用回归样条（例如受限三次样条（自然样条））使所有主效应都是非线性的。这样，除了交互之外，无需检查其他任何内容。第二种方法是希望模型简单（为什么？）但允许它复杂，然后评估对简单模型的复杂添加的影响。例如，我们可以评估非线性项或交互项或两者的组合贡献。下面是一个示例，使用R rms和quantreg包。使用折衷交互形式来限制参数的数量。相互作用被限制为不是双重非线性的。

require(rms)
# Estimate 25th percentile of y as a function of x1 and x2
f <- Rq(y ~ rcs(x1, 4) + rcs(x2, 4) + rcs(x1, 4) %ia% rcs(x2, 4), tau=.25)
# rcs = restricted cubic spline, here with 4 default knots
# %ia% = restricted interaction
# To use general interactions (all cross product terms), use:
# f <- Rq(y ~ rcs(x1, 4)*rcs(x2, 4), tau=.25)
anova(f)   # get automatic combined 'chunk' tests: nonlinearity, interaction
# anova also provides the combined test of complexity (nonlin. + interact.)