Regressão quantílica: quais erros padrão?

35

A summary.rqfunção da vinheta quantreg fornece diversas opções para estimativas de erro padrão dos coeficientes de regressão quantílica. Quais são os cenários especiais em que cada um deles se torna ideal / desejável?

  • "rank", que produz intervalos de confiança para os parâmetros estimados, invertendo um teste de rank como descrito em Koenker (1994). A opção padrão assume que os erros são iid, enquanto a opção iid = FALSE implementa a proposta de Koenker Machado (1999). Consulte a documentação do rq.fit.br para obter argumentos adicionais.

  • "iid", que pressupõe que os erros são iid e calcula uma estimativa da matriz de covariância assintótica como em KB (1978).

  • "nid", que pressupõe linearidade local (em tau) (em x) das funções quantílicas condicionais e calcula uma estimativa sanduíche de Huber usando uma estimativa local da esparsidade.

  • "ker", que usa uma estimativa do núcleo do sanduíche, como proposto por Powell (1990).

  • "boot", que implementa uma das várias alternativas possíveis de inicialização para estimar erros padrão.

Li pelo menos 20 artigos empíricos nos quais isso é aplicado na série temporal ou na dimensão transversal e não vi uma menção à escolha padrão de erros.

r standard-error quantile-regression estimators Jase
fonte
8
rmsbootcovββ
Excelente pergunta, me disseram na aula "sempre use bootstrapping", mas não sei exatamente por que, pois não estou familiarizado com a teoria por trás dos outros métodos.
Max Gordon
4
Você examinou o artigo Koenker e Hallock (2000): Regressão Quantil: Uma Introdução ( econ.uiuc.edu/~roger/research/intro/rq.pdf )? O bootstrap é preferível porque não assume nenhuma hipótese sobre a distribuição da resposta (p. 47, regressões quantílicas, Hao e Naiman, 2007). Além disso, observe que as suposições "... para o procedimento assintótico geralmente não se mantêm e, mesmo que essas suposições sejam satisfeitas, é complicado resolver o erro padrão da escala construída e das mudanças de assimetria (p. 43). . "
Metrics
A reamostragem de autoinicialização supõe que o anterior uniforme não é informativo?
EngrStudent - Restabelece Monica
@ Metrics: Talvez você deva postar isso como resposta?
precisa saber é o seguinte

Respostas:

5

Você examinou o artigo Koenker e Hallock (2000): Regressão Quantil: Uma Introdução (econ.uiuc.edu/~roger/research/intro/rq.pdf)? O bootstrap é preferível porque não assume nenhuma hipótese sobre a distribuição da resposta (p. 47, regressões quantílicas, Hao e Naiman, 2007). Além disso, observe que as suposições "... para o procedimento assintótico geralmente não se mantêm e, mesmo que essas suposições sejam satisfeitas, é complicado resolver o erro padrão da escala construída e das mudanças de assimetria (p. 43). . "

Métricas
fonte