R 分位数回归中的斜率检验
我使用R中的R 分位数回归中的斜率检验,r,regression,offset,quantile,quantreg,R,Regression,Offset,Quantile,Quantreg,我使用R中的quantreg包对一组数据进行分位数回归(95%) 我想将分位数回归的斜率设置为1.4,正如alreday在之前的分析中所做的那样,我想与我的结果进行比较。如果在lm()中,可以使用函数offset(),将rq()用于固定分位数(例如0.025),则这不起作用 代码没有给出错误,但是1.4的值对我的结果没有影响 fit.0.025<-rq(y~offset(1.4*x),tau=0.025, data=mydataframe) fit.0.025这难道不应该是这种测试不充分
quantreg
包对一组数据进行分位数回归(95%)
我想将分位数回归的斜率设置为1.4,正如alreday在之前的分析中所做的那样,我想与我的结果进行比较。如果在lm()
中,可以使用函数offset()
,将rq()
用于固定分位数(例如0.025),则这不起作用
代码没有给出错误,但是1.4的值对我的结果没有影响
fit.0.025<-rq(y~offset(1.4*x),tau=0.025, data=mydataframe)
fit.0.025这难道不应该是这种测试不充分的代码吗?(…除非截距列被抑制,否则它仍将是一个待估计的参数,无法“修复”它。)(编辑后,需要重复偏移量并使用-1而不是+0)
dfrm
dfrm <- data.frame(x=runif(1000, 1,100), y=runif(1000, 1,2))
fit.0.025 < -rq(y ~ x*(1 + offset( rep(1.4, 1000) ) ) -1, tau=0.025, data=dfrm)
# Same as:
fit.0.025<-rq(y ~ x + offset( rep(1.4, 1000)) -1 , tau=0.025, data=dfrm)
fit.0.025<-rq(y ~ x+ offset(1.4), tau=0.025, data=mydataframe)