代码之家 › 专栏 › 技术社区 › James White

从二阶分位数回归中获得拟合值

quantile-regression quantreg polynomials prediction r

1

James White · 技术社区 · 6 年前

我相信这很容易解决,但我有一个关于分位数回归的问题。

假设我有一个数据框架,它遵循二阶多项式曲线的趋势,并且我构造了一个分位数回归,通过数据的不同部分进行拟合:

##Data preperation
set.seed(5)
d <- data.frame(x=seq(-5, 5, len=51))
d$y <- 50 - 0.3*d$x^2 + rnorm(nrow(d))

##Quantile regression
Taus <- c(0.1,0.5,0.9)
QUA<-rq(y ~ 1 + x + I(x^2), tau=Taus, data=d)
plot(y~x,data=d)
for (k in 1:length(Taus)){
 curve((QUA$coef[1,k])+(QUA$coef[2,k])*(x)+(QUA$coef[3,k])*(x^2),lwd=2,lty=1, add = TRUE)
}

我可以通过'predict.rq'函数获得最大y值,您可以看到下面的图。

 ##Maximum prediction
 Pred_df<- as.data.frame(predict.rq(QUA))
 apply(Pred_df,2,max)

所以我的问题是,如何得到对应于每个分位数的最大y值(即插入斜率)的x值?

1 回复 | 直到 6 年前

1

joran 6 年前

包裹扫帚在这里可能非常有用:

library(broom)
library(dplyr)
augment(QUA) %>% 
  group_by(.tau) %>% 
  filter(.fitted == max(.fitted))