分位数回归 - QuantileRegression

发表于 更新于 分类于 ， 阅读次数： 本文字数： 303 阅读时长 ≈ 1 分钟

什么是分位数回归？

  • 一种统计学方法，用于估计条件分位数函数，即给定自变量下因变量的条件分位数。与传统的最小二乘回归（只关注因变量的均值或期望值）不同，分位数回归提供了一种更全面的分析，可以了解因变量在不同水平上的分布情况。

  • 分位数回归估计中位数或其他分位数 y 有条件的 X，而普通最小二乘法 (OLS) 估计条件均

  • 由于弹球损失仅在残差中是线性的，因此分位数回归对异常值的鲁棒性比基于均方误差的估计要强得多

  • 如果对预测区间而不是点预测感兴趣，分位数回归可能会很有用。有时，预测区间的计算基于预测误差呈正态分布且均值为零且方差恒定的假设。即使对于具有非恒定（但可预测）方差或非正态分布的误差，分位数回归也能提供合理的预测区间