Existe uma implementação R para alguns procedimentos estatísticos de regressão quantílica de modelos mistos?

Eu gostaria de encontrar alguma solução para executar um modelo de efeito misto de regressão quantílica.

Na minha pesquisa no google, não consegui encontrar uma implementação de R para esse procedimento (apenas avisos de que " isso não é para os fracos de coração ").

Eu gostaria de resolver uma situação simples em que temos uma variável x x y e uma "subject".

Alguma sugestão sobre o que fazer com isso?

A extensão em que alguém pode responder sua pergunta depende de que tipo de estudo você tem em mente. Roger Koenker fez algum trabalho sobre regressão quantílica para dados longitudinais ou em painel. Alguns detalhes, um documento e um conjunto inicial de códigos R estão disponíveis no site de Roger .

Observe a mensagem nessa página da Web de que agora é mais fácil qrss()executar os métodos discutidos no documento usando o pacote quantreg, reduzindo os efeitos fixos usando a penalidade de laço.

Recentemente, o pacote lqmm "Linear Quantile Mixed Models" foi carregado no CRAN. Embora eu nunca o tenha usado, o pacote lqmm parece fazer o que você deseja.

Esta apresentação do useR! A conferência de 2011 mostra alguns exemplos do pacote. Aqui está uma descrição do pacote retirado do useR! Resumos da conferência de 2011:

A regressão quantílica condicional (QR) refere-se à estimativa de quantis desconhecidos de um resultado em função de um conjunto de covariáveis ​​e um vetor de coeficientes de regressão fixos. Nos últimos anos, a necessidade de ampliar os recursos do QR para dados independentes para lidar com projetos de amostragem em cluster (por exemplo, medidas repetidas) levou a várias abordagens bastante distintas. Aqui, considero a abordagem baseada em probabilidade que depende da estrita relação entre o problema da norma L₁ ponderada associado a um modelo QR condicional e a distribuição assimétrica de Laplace (Geraci e Bottai, 2007).

Nesta apresentação, ilustrarei o uso do pacote R lqmm para executar QR com efeitos mistos (fixos e aleatórios) para um modelo aninhado de dois níveis. A estimativa dos coeficientes de regressão fixos e da matriz de covariância dos efeitos aleatórios é baseada em uma combinação de aproximações de quadratura gaussiana e algoritmos de otimização. Os primeiros incluem quadraturas de Gauss-Hermite e Gauss-Laguerre para, respectivamente, efeitos aleatórios normais e duplamente exponenciais (isto é, Laplace simétrico); os últimos incluem um algoritmo de busca de bússola modificado e otimizadores de uso geral (otimizar e otimizar). Modelagem e questões inferenciais estão detalhadas em Geraci e Bottai (2011) (um esboço preliminar está disponível mediante solicitação). O pacote também fornece comandos para o caso de dados independentes.

Carreguei no CRAN um pacote chamado qrLMM disponível aqui

http://cran.r-project.org/web/packages/qrLMM/index.html

onde ele faz exatamente o que você está procurando e também em um artigo a ser enviado em breve, comprovamos que obtemos melhores estimativas (menos erros e erros padrão) em todos os cenários que o pacote lqmm de Geraci (2014). Espero que seja útil para algumas pesquisas futuras.