Ich möchte 95% Konfidenzintervalle für die Regressionskoeffizienten einer Quantil-Regression erhalten. Sie können mit der rq
Funktion des quantreg
Pakets in R (im Vergleich zu einem OLS-Modell) Quantilsregressionen berechnen:Berechnen 95% Konfidenzintervalle in Quantil Regression in R mit RQ-Funktion
library(quantreg)
LM<-lm(mpg~disp, data = mtcars)
QR<-rq(mpg~disp, data = mtcars, tau=0.5)
Ich bin in der Lage 95% Konfidenzintervall für das lineare Modell erhalten mit der confint Funktion:
confint(LM)
Wenn ich Quantilsregression verwenden ich verstehe, dass der folgende Code Standardfehler Bootstrap produziert:
summary.rq(QR,se="boot")
Aber eigentlich hätte ich gerne 95% Konfidenzintervalle. Das heißt, etwas zu interpretieren wie: "Mit einer Wahrscheinlichkeit von 95% enthält das Intervall [...] den wahren Koeffizienten". Wenn ich Standardfehler mit summary.lm() berechne, würde ich einfach SE * 1.96 multiplizieren und ähnliche Ergebnisse wie von confint() erhalten. Dies ist jedoch nicht mit Bootstrapped-Standardfehlern möglich. Also meine Frage ist, wie erhalten 95% Konfidenzintervalle für Quantil-Regressionskoeffizienten?
Schöne Antwort. Im t (apply ...) 'Fehler in QR.b $ B: $ Operator ist ungültig für atomare Vektoren'. Ich denke keine Spaltenauswahl für das QR.b: 't (apply (QR.b, 2, Quantil, c (0,025,0,975))'? – Minnow