Có một triển khai R cho một số mô hình hỗn hợp thủ tục thống kê hồi quy lượng tử?

Tôi muốn tìm một số giải pháp để thực hiện một mô hình hiệu ứng hỗn hợp của hồi quy lượng tử.

Từ tìm kiếm google của tôi, tôi không thể tìm thấy triển khai R cho một quy trình như vậy (chỉ cảnh báo rằng " điều này không dành cho những người yếu tim ").

Tôi muốn giải quyết một tình huống đơn giản trong đó chúng ta có một x một y và một biến "chủ đề".

Bất kỳ đề xuất về những gì để làm với điều này?

Mức độ mà một người có thể trả lời câu hỏi của bạn phụ thuộc vào loại nghiên cứu bạn có trong tâm trí. Roger Koenker đã thực hiện một số công việc về hồi quy lượng tử cho dữ liệu theo chiều dọc hoặc bảng điều khiển. Một số chi tiết, một tờ giấy và một bộ mã R ban đầu có sẵn từ trang web của Rogers .

Hãy lưu ý thông báo trên trang web đó rằng giờ đây các phương thức được thảo luận trong bài báo sử dụng qrss()trong gói quantreg dễ dàng hơn , thu nhỏ các hiệu ứng cố định bằng cách sử dụng hình phạt lasso.

Gần đây, gói lqmm "Mô hình hỗn hợp lượng tử tuyến tính" đã được tải lên trên CRAN. Mặc dù tôi chưa bao giờ sử dụng nó, gói lqmm dường như làm những gì bạn muốn.

Bài trình bày này từ useR! Hội nghị năm 2011 cho thấy một số ví dụ của gói. Dưới đây là mô tả về gói được lấy từ useR! Tóm tắt hội nghị năm 2011:

Hồi quy lượng tử có điều kiện (QR) liên quan đến việc ước tính các lượng tử chưa biết về kết quả là một hàm của một tập hợp số và một vectơ của các hệ số hồi quy cố định. Trong vài năm gần đây, nhu cầu mở rộng khả năng của QR đối với dữ liệu độc lập để đối phó với các thiết kế lấy mẫu phân cụm (ví dụ: các biện pháp lặp lại) đã dẫn đến một số cách tiếp cận khá khác biệt. Ở đây, tôi xem xét cách tiếp cận dựa trên khả năng dựa trên mối quan hệ chặt chẽ giữa vấn đề định mức L có liên quan đến mô hình QR có điều kiện và phân phối Laplace không đối xứng (Geraci và Bottai, 2007).

Trong bài trình bày này, tôi sẽ minh họa việc sử dụng gói R lqmm để thực hiện QR với các hiệu ứng hỗn hợp (cố định và ngẫu nhiên) cho mô hình lồng nhau hai cấp. Việc ước tính các hệ số hồi quy cố định và ma trận hiệp phương sai của các hiệu ứng ngẫu nhiên dựa trên sự kết hợp của các thuật toán xấp xỉ bậc hai Gaussian và thuật toán tối ưu hóa. Cái trước bao gồm các hiệu ứng ngẫu nhiên Gauss-Hermite và Gauss-Laguerre tương ứng cho các hiệu ứng ngẫu nhiên bình thường và hàm mũ đôi (tức là đối xứng Laplace); sau này bao gồm một thuật toán tìm kiếm la bàn sửa đổi và tối ưu hóa mục đích chung (tối ưu hóa và tối ưu hóa). Mô hình hóa và các vấn đề suy luận được trình bày chi tiết trong Geraci và Bottai (2011) (một dự thảo sơ bộ có sẵn theo yêu cầu). Gói này cũng cung cấp các lệnh cho trường hợp dữ liệu độc lập.

Tôi đã tải lên CRAN một gói có tên qrLMM có sẵn ở đây

http://cran.r-project.org/web/packages/qrLMM/index.html

trong đó nó thực hiện chính xác những gì bạn đang tìm kiếm và cũng trong một bài báo sẽ được gửi sớm, chúng tôi chứng minh rằng chúng tôi có được ước tính tốt hơn (các lỗi thấp hơn và sai số chuẩn) trong tất cả các kịch bản so với gói lqmm từ Geraci (2014). Tôi hy vọng nó sẽ hữu ích cho một số nghiên cứu trong tương lai.