Regressão quantílica: quais erros padrão?

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

rmsbootcov

β

$\beta$

β

$\beta$

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

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

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