Soru:
Bazı karma modellerde nicel regresyon istatistiksel prosedürü için bir R uygulaması var mı?
Tal Galili
2011-08-06 13:02:21 UTC
view on stackexchange narkive permalink

Kuantil regresyonun karma etkili bir modelini gerçekleştirmek için bir çözüm bulmak istiyorum.

Google aramamdan, böyle bir prosedür için bir R uygulaması bulamadım (yalnızca " Bu yüreksizler için değil ").

Bir x bir y ve bir" özne "değişkenine sahip olduğumuz basit bir durumu çözmek istiyorum.

Bununla ne yapılacağına dair herhangi bir öneriniz var mı?

Yerleştirmeye çalıştığınız modelin bir özelliğini ekleyebilir misiniz? Gavin'in cevabına bir yorumda, birkaç ortak değişkenden bahsediyorsunuz. Hangi model yapıyı arıyorsunuz?
üç yanıtlar:
#1
+13
Johannes
2012-05-12 22:28:15 UTC
view on stackexchange narkive permalink

Yakın zamanda lqmm paketi "Doğrusal Kantil Karışık Modeller" CRAN'a yüklendi. Hiç kullanmamış olsam da, lqmm paketi istediğinizi yapıyor gibi görünüyor.

useR'den bu sunum! 2011 konferansı paketin bazı örneklerini gösterir. İşte useR'den alınan paketin bir açıklaması! 2011 konferans özetleri:

Koşullu nicelik regresyonu (QR), bir dizi katsayı ve bir sabit regresyon katsayıları vektörünün bir fonksiyonu olarak bir sonucun bilinmeyen niceliklerinin tahminiyle ilgilidir. Son birkaç yılda, kümelenmiş örnekleme tasarımlarıyla (örneğin, tekrarlanan ölçümler) ilgilenmek için bağımsız veriler için QR yeteneklerini genişletme ihtiyacı, birkaç ve oldukça farklı yaklaşımlara yol açtı. Burada, bir koşullu QR modeli ile ilişkili ağırlıklı L₁ norm problemi ile asimetrik Laplace dağılımı arasındaki katı ilişkiye dayanan olasılığa dayalı yaklaşımı ele alıyorum (Geraci ve Bottai, 2007).

Bu sunumda , İki seviyeli bir iç içe model için karma (sabit ve rastgele) efektlerle QR gerçekleştirmek için R paketi lqmm'nin kullanımını göstereceğim. Sabit regresyon katsayılarının ve rastgele etkilerin kovaryans matrisinin tahmini, Gauss kuadratür yaklaşımları ve optimizasyon algoritmalarının bir kombinasyonuna dayanmaktadır. İlki, sırasıyla normal ve çift üstel (yani simetrik Laplace) rasgele efektler için Gauss-Hermite ve Gauss-Laguerre kuadratürlerini; ikincisi, değiştirilmiş bir pusula arama algoritması ve genel amaçlı optimize ediciler (optimize ve optimize et) içerir. Modelleme ve çıkarımsal konular, Geraci ve Bottai (2011) 'de detaylandırılmıştır (talep üzerine bir ön taslak mevcuttur). Paket ayrıca bağımsız verilerin durumu için komutlar sağlar.

Son zamanlarda "lqmm" yi de kullandım ve bu tam olarak OP'nin istediğini yapıyor. +1
#2
+9
Gavin Simpson
2011-08-06 14:39:19 UTC
view on stackexchange narkive permalink

Sorunuza ne kadar cevap verilebileceği, aklınızda ne tür bir çalışma olduğuna bağlıdır. Roger Koenker, boylamsal veya panel verileri için nicel regresyon üzerinde bazı çalışmalar yapmıştır. Bazı ayrıntılar, bir makale ve erken bir R kodu seti Roger'in web sitesinde mevcuttur.

Bu web sayfasındaki tartışılan yöntemleri uygulamanın artık daha kolay olduğu mesajına dikkat edin Quantreg paketinde qrss () kullanarak kağıt üzerinde, kement cezası kullanarak sabit efektleri küçültün.

Merhaba Gavin. Bir çalışma tasarımı: Çocukların ve ebeveynlerinin boyları olduğunu varsayalım - ve çocukların boylarının 95 kuantilini ebeveynlerinden tahmin etmek istiyorum. Ama sahip olduğum çocuklar da farklı ülkelerden çocuklara bölünmüş durumda ve ülkelerin rastgele bir etki olmasını istiyorum. Örneğin cinsiyet ve yaşı da hesaba katmak isteyebiliriz. Daha fazla tavsiye harika olur. :)
#3
+3
Christian Eduardo Galarza
2015-01-09 00:54:38 UTC
view on stackexchange narkive permalink

CRAN'a, burada bulabileceğiniz qrLMM adlı bir paket yükledim

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

tam olarak aradığınız şeyi yaptığında ve yakında sunulacak bir makalede, tüm senaryolarda Geraci'nin lqmm paketinden daha iyi tahminler (daha düşük bies ve standart hatalar) elde ettiğimizi kanıtlıyoruz ( 2014). Umarım gelecekteki bazı araştırmalar için yararlı olur.



Bu Soru-Cevap, otomatik olarak İngilizce dilinden çevrilmiştir.Orijinal içerik, dağıtıldığı cc by-sa 3.0 lisansı için teşekkür ettiğimiz stackexchange'ta mevcuttur.
Loading...