He visto dos representaciones diferentes del estimador de regresión cuantil que son
y
donde . ¿Alguien puede decirme cómo mostrar la equivalencia de estas dos expresiones? Esto es lo que intenté hasta ahora, comenzando por la segunda expresión.
He visto dos representaciones diferentes del estimador de regresión cuantil que son
y
donde . ¿Alguien puede decirme cómo mostrar la equivalencia de estas dos expresiones? Esto es lo que intenté hasta ahora, comenzando por la segunda expresión.
Respuestas:
Si recuerda, OLS minimiza la suma de los residuos al cuadrado mientras que la regresión mediana minimiza la suma de los residuos absolutos . El estimador de desviaciones medias o menos absolutas (LAD) es un caso especial de regresión cuantil en el que tiene . En la regresión cuantil que minimiza una suma de errores absolutos que recibe pesos asimétricos para overprediction y para subpredicción. Puede comenzar desde la representación LAD y extender esto como la suma de la fracción de los datos que son ponderados por y dado su valor de , y trabajar en ello de la siguiente manera: ∑ i ∣ u i ∣ q = .5 ( 1 - q ) q q ( 1 - q ) u i
ui=yi-x ′ i βq
La segunda línea saca los pesos de las sumas. La tercera línea elimina los valores absolutos y los reemplaza por los valores reales. Por definición, es negativo siempre que , de ahí el cambio de signo en esta línea. La cuarta línea se multiplica . Entonces te das cuenta de que y reemplazando la suma del término medio en la cuarta línea por el indicador correspondiente llegas a la quinta línea. Factorizando y luego reemplazando