Koenker e Machado [ 1 ] descrevem R 1 , uma medida local de qualidade de ajuste no (nomeadamente τ ) quantil.[1]R1τ
Seja V(τ)=minb∑ρτ(yi−x′ib)
Deixe β ( τ ) e ~ β ( τ ) ser as estimativas dos coeficientes para o modelo completo, e um modelo restrito, e deixá- V e ~ V ser os correspondentes termos.β^(τ)β~(τ)V^V~V
Eles definem o critério de qualidade de ajuste .R1(τ)=1−V^V~
Koenker dá código para aqui ,V
rho <- function(u,tau=.5)u*(tau - (u < 0))
V <- sum(rho(f$resid, f$tau))
Então, se nós de computação para um modelo com uma interceptação-only ( ~ V - ou , no trecho de código abaixo) e, em seguida, um modelo irrestrito ( V ), podemos calcular um que é - pelo menos teoricamente - um pouco como o de costume R 2 .VV~V0
V^R1 <- 1-Vhat/V0
R2
Editar: no seu caso, é claro, o segundo argumento, que seria colocado onde f$tau
está a chamada na segunda linha de código, será o valor que tau
você usou. O valor na primeira linha apenas define o padrão.
'Explicar variação sobre a média' não é realmente o que você está fazendo com a regressão quantílica; portanto, você não deve esperar ter uma medida realmente equivalente.
Eu não acho que o conceito de traduz bem a regressão quantílica. Você pode definir várias quantidades mais ou menos análogas, como aqui, mas não importa o que você escolhe, você não terá a maioria das propriedades reais R 2 tem em regressão OLS. Você precisa ser claro sobre quais propriedades precisa e o que não precisa - em alguns casos, pode ser possível ter uma medida que faça o que você deseja.R2R2
-
Koenker, R e Machado, J (1999),
Goodness of Fit e processos de inferência relacionados para regressão quantílica,
Journal of the American Statistical Association,94: 448, 1296-1310.[1]