La summary.rq
fonction de la vignette quantreg fournit une multitude de choix pour les estimations d'erreur standard des coefficients de régression quantile. Quels sont les scénarios spéciaux où chacun devient optimal / souhaitable?
"rang" qui produit des intervalles de confiance pour les paramètres estimés en inversant un test de rang tel que décrit dans Koenker (1994). L'option par défaut suppose que les erreurs sont iid, tandis que l'option iid = FALSE implémente la proposition de Koenker Machado (1999). Consultez la documentation de rq.fit.br pour des arguments supplémentaires.
"iid" qui suppose que les erreurs sont iid et calcule une estimation de la matrice de covariance asymptotique comme dans KB (1978).
"nid" qui suppose une linéarité locale (en tau) (en x) des fonctions quantiles conditionnelles et calcule une estimation sandwich de Huber à l'aide d'une estimation locale de la densité.
"ker" qui utilise une estimation du noyau du sandwich proposée par Powell (1990).
"boot" qui implémente une ou plusieurs alternatives d'amorçage possibles pour estimer les erreurs standard.
J'ai lu au moins 20 articles empiriques dans lesquels cela s'appliquait soit dans la série chronologique, soit dans la dimension transversale, et je n'ai vu aucune mention du choix de l'erreur type.
rms
du progiciel R ,bootcov
consiste à enregistrer les coefficients de régression de réplication bootstrap ( s) et à utiliser l’approche d’intervalle de confiance centile non paramétrique bootstrap pour obtenir des intervalles de confiance pour tout contraste (combinaison de s) d’intérêt.