分位数回归模型在R环境下的实现统计之都.ppt

分位数回归模型在R环境下的实现 中国人民大学统计学院 左辰 潘岚锋 大纲 引言 分位回归模型的基本结构 回归系数的渐进分布 参数估计 残差形态的检验 一个实例 一、引言 传统回归模型的缺陷：1 只反映均值变化2 Gauss-Markov假设条件太强 分位回归模型1 拟合在不同分位数水平下的估计值，可以反映更多的信息 2 对残差分布放松假设 R package：quantreg by Roger Koenker 二、模型的构造 其中：因变量 相互独立自变量残差项 回归系数 表示分位数水平 的回归系数 rq(y~x,tau=…,method=‘br’) 以quantreg包中的engel为例：自变量：income--年收入因变量：foodexp--食品消费额 fit1=rq(foodexp~income,data=engel) #tau值缺省为0.5，表示中位数回归 fit2=rq(foodexp~income,data=engel,tau=c(0.1,0.25,0.75,0.9))#对0.1，0.25，0.75，0.9四个分位数水平进行回归 稳健性的试验 目的：比较均值回归、中位数回归系数的稳定性 方法：1 计算原模型的预测值、残差2 从残差中抽样加入到预测值中，重新作均值回归和中位数回归