用多项式rq函数计算R分位数回归的95%置信区间
这是这个问题的延伸,使用用多项式rq函数计算R分位数回归的95%置信区间,r,regression,quantile,quantreg,R,Regression,Quantile,Quantreg,这是这个问题的延伸,使用rquant,分位数回归的95%置信区间: 这里,目标是确定多项式拟合分位数回归的95%置信区间 数据: x<-1:50 y<-c(x[1:50]+rnorm(50,0,5))^2 QR.b <- boot.rq(cbind(1,x,x^2),y,tau=0.5, R=1000) t(apply(QR.b, 2, quantile, c(0.025,0.975))) 2.5% 97.5% [1,] -14.9880
rquant
,分位数回归的95%置信区间:
这里,目标是确定多项式拟合分位数回归的95%置信区间
数据:
x<-1:50
y<-c(x[1:50]+rnorm(50,0,5))^2
QR.b <- boot.rq(cbind(1,x,x^2),y,tau=0.5, R=1000)
t(apply(QR.b, 2, quantile, c(0.025,0.975)))
2.5% 97.5%
[1,] -14.9880661 126.906083
[2,] -20.5603779 5.424308
[3,] 0.8608203 1.516513
xI不明白如何从系数的自举区间得出预测的置信区间。这通常是不可能的,因为系数不是独立的,即协方差不是零。你需要引导预测。@Rold谢谢你的评论,我同意系数CI有致命的缺陷。预测会是这样。