Peter Flom tuvo una respuesta excelente y concisa, solo quiero expandirla. La parte más importante de la pregunta es cómo definir "peor".
Para definir peor, necesitamos tener algunas métricas y la función para calcular qué tan buenas o malas son las conexiones llamadas funciones de pérdida.
Podemos tener diferentes definiciones de la función de pérdida, y no hay correcto o incorrecto en cada definición, pero diferentes definiciones satisfacen diferentes necesidades. Dos funciones de pérdida bien conocidas son la pérdida al cuadrado y la pérdida de valor absoluto.
Ls q( y, y^) = ∑yo( yyo- y^yo)2
La b s( y, y^) = ∑yoEl | yyo- y^yoEl |
Si utilizamos la pérdida al cuadrado como una medida de éxito, la regresión cuantil será peor que la MCO. Por otro lado, si usamos la pérdida de valor absoluto, la regresión cuantil será mejor.
Cuál es la respuesta de Peter Folm:
Si está interesado en la media, use MCO, si está en la mediana, use cuantil.