13 我对某些模型使用分位数回归很感兴趣,但想对使用此方法可以实现的目标进行一些说明。我知道我可以对IV / DV 关系进行更可靠的分析,尤其是在遇到离群值和异方差的情况下,但在我的情况下,重点是预测。 特别是,我有兴趣提高模型的拟合度,而不求助于更复杂的非线性模型甚至分段线性回归。在预测时,是否可以根据预测变量的值选择最高概率的结果分位数?换句话说,是否可以根据预测变量的值确定每个预测结果的分位数概率? predictive-models quantile-regression — 罗伯特·库布里克 source
8 分位数回归中模型的右侧与其他回归模型(例如OLS)具有相同的假设结构和类型。用位数回归的主要区别是一个直接预测的分布分位数有条件X不诉诸参数分配操作(例如,ˉ X ± 1.96 小号),并且残差的无分布形状假定其他不是假定ÿ是一个连续变量。ÿYXXX¯± 1.96 秒x¯±1.96sÿY — 弗兰克·哈雷尔 source 1 我想我了解试穿过程的工作原理。我不明白的是,是否有一种方法可以改进预测(分位数参数选择),而又不知道观测值将位于哪个分位数。我们能以某种方式从预测值中得出吗?也许有一些可以根据预测变量与观测值的概率分布来使用的东西。 — 罗伯特·库布里克 2 ÿ| X= xY|X=xÿYX= xX=x 2 弗兰克,我确定我需要学习更多有关分位数回归的知识。在开始研究之前,我想了解一下这种方法是否可以根据预测变量和拟合模型为分位数的选择提供一些概率成分。对于每个给定的范围/范围的预测值,必须有一个可能,即实际结果将落在某个分位数区域。 — 罗伯特·库布里克
4 分位数回归是关于预测因变量的分位数。在“常规”回归中,我们预测DV的平均值。但是可能会对DV的其他部分感兴趣。例如,您可能对预测哪些新生婴儿会很轻快,哪些歌曲会非常流行或哪些客户会购买大量东西感兴趣。 去年,我为NESUG撰写了一篇有关它的论文。 — 彼得·弗洛姆-恢复莫妮卡 source 2 您可以根据自己的知识选择要预测的分位数。没有程序可以告诉您要问哪个问题! — 彼得·弗洛姆 1 给定拟合模型,您是否不能基于预测值来计算预测值落入0.6分位数的概率? — 罗伯特·库布里克 2 不是“ 0.6分位数”,而是“ 0.6分位数”或更高,但可以。但是,您必须确定要预测的分位数。在OLS回归中,您可以预测条件均值;在分位数回归中,您可以预测条件分位数 — Peter Flom-恢复莫妮卡 5 正如Peter指出的那样,您仍然不了解先前的评论。分位数回归与计算高于或低于某个分位数的概率无关(请注意,按照定义,落入“ 0.6”分位数的概率为零)。您会发现您是否对预测中位数或其他分位数感兴趣,然后执行此操作。条件分位数是单个数字,而不是范围。 — Frank Harrell '02 1 如果我理解,您可以选择用于预测的分位数,但是没有办法选择最适合预测的分位数