La summary.rq
función de la viñeta quantreg ofrece una multitud de opciones para las estimaciones de error estándar de los coeficientes de regresión de cuantiles. ¿Cuáles son los escenarios especiales en los que cada uno de ellos se convierte en óptima / deseable?
"rango" que produce intervalos de confianza para los parámetros estimados al invertir una prueba de rango como se describe en Koenker (1994). La opción predeterminada supone que los errores son iid, mientras que la opción iid = FALSE implementa la propuesta de Koenker Machado (1999). Consulte la documentación de rq.fit.br para ver argumentos adicionales.
"iid", que supone que los errores son iid y calcula una estimación de la matriz de covarianza asintótica como en KB (1978).
"Nid", que supone local (en tau) linealidad (en X) de la las funciones de cuantiles condicionales y calcula una estimación sándwich Huber usando una estimación local de la escasez.
"ker", que utiliza una estimación de kernel del sándwich propuesto por Powell (1990).
"boot" que implementa una de varias posibles alternativas de arranque para estimar errores estándar.
He leído al menos 20 documentos empíricos donde esto se aplica ya sea en la serie temporal o en la dimensión transversal y no he visto una mención de la elección de error estándar.
rms
del paquete Rbootcov
es guardar los coeficientes de regresión de replicación bootstrap ( s) y utilizar el enfoque de intervalo de confianza percentil no paramétrico bootstrap para obtener intervalos de confianza para cualquier contraste (combinación de β s) de interés.