我认为审稿人的要求是采用伪$R^2$值并对分位数范围内的样本数$n_Q$和模型中的参数数$p$进行“无偏” 。换句话说，在其通常的上下文中调整了$R^2$也就是说，校正后的无法解释的分数比总的无法解释的分数大$\frac{n_Q-1}{n_Q-p-1}$的因子，即

$1-R^{2*}=\frac{n_Q-1}{n_Q-p-1}(1-R^2)$，或者，$R^{2*}=1-\frac{n_Q-1}{n_Q-p-1}(1-R^2)$

我同意你的观点，因为这已经是一个伪值，而调整后的伪值可能会给读者留下执行伪调整的印象。$R^2$$R^2$

一种替代方法是进行计算并向审稿人展示结果是什么，而不是将它们包含在论文中，通过解释它超出了您正在使用的已发布方法并且您不希望负责发明其他未发表的方法调整后的伪程序。但是，您应该意识到审阅者提出问题的原因是因为他们希望确保他们没有看到乱码。现在，如果你能想到另一种方法来做到这一点，向审阅者保证结果是可靠的，那么问题应该就消失了……$R^2$

值的参考或信息，特别是如果您可以显示稳健性或精度。例如A Lack-of-Fit Test for Quantile Regression。伪值对论文至关重要，还是有其他方法可以实现相同的目标？$R^2$$R^2$

有时，只是删除问题是最简单的事情。是的，我们同意您的观点，尊敬的评论者，您崇高的无懈可击， grovel, grovel问题已删除。$<$$>$

最好不要使用来比较两个分位数回归模型，因为分位数回归模型的损失函数不是基于MSE的。$R^2$

您可以尝试AIC或BIC。