我有兴趣对我的一些模型使用分位数回归，但想澄清一下我可以使用这种方法实现什么。我知道我可以对 IV/DV关系进行更稳健的分析，尤其是在面对异常值和异方差时，但在我的情况下，重点是预测。
特别是我有兴趣提高我的模型的拟合度，而不是求助于更复杂的非线性模型，甚至是分段线性回归。在预测时，是否可以根据预测变量的值选择概率最高的结果分位数？换句话说，是否可以根据预测变量的值来确定每个预测结果的分位数概率？
分位数回归预测
机器算法验证
预测模型
分位数回归
2022-03-23 07:09:42
2个回答
分位数回归中模型的右侧具有与其他回归模型（例如 OLS）相同的结构和假设类型。与分位数回归的主要区别在于，直接预测为条件分布的分位数，而不采用参数分布操作（例如），并且不假设残差的分布形状是其他的而不是假设是一个连续变量。
分位数回归是关于预测因变量的分位数。在“常规”回归中，我们预测 DV 的平均值。但兴趣可能在 DV 的其他部分。例如，您可能有兴趣预测哪些新生婴儿会很轻，哪些歌曲会特别受欢迎，或者哪些客户会购买大量商品。
去年 我为 NESUG 写了一篇关于它的论文。
其它你可能感兴趣的问题