quantreg vignette中的summary.rq函数为分位数回归系数的标准误差估计提供了多种选择。在哪些特殊情况下，它们中的每一个都变得最佳/理想？

• “rank”，它通过反转 Koenker (1994) 中描述的秩检验来生成估计参数的置信区间。默认选项假定错误是 iid，而选项 iid = FALSE 实现了 Koenker Machado (1999) 的提议。有关其他参数，请参阅 rq.fit.br 的文档。

• “iid”假定误差是 iid 并计算渐近协方差矩阵的估计值，如 KB(1978) 中所述。

• “nid”假定条件分位数函数的局部（以 tau 为单位）线性（以 x 为单位）并使用稀疏度的局部估计来计算 Huber 三明治估计。

• “ker”使用 Powell (1990) 提出的三明治的核估计。

• “boot”，它实现了用于估计标准误差的几种可能的引导替代方案之一。

我已经阅读了至少 20 篇经验论文，这些论文要么应用于时间序列维度，要么应用于横截面维度，并且没有提到标准误差选择。