Domanda:
Esiste un'implementazione R per alcuni modelli misti di procedura statistica di regressione quantile?
Tal Galili
2011-08-06 13:02:21 UTC
view on stackexchange narkive permalink

Vorrei trovare una soluzione per eseguire un modello a effetti misti di regressione quantile.

Dalla mia ricerca su Google, non sono riuscito a trovare un'implementazione R per tale procedura (avverte solo che " questo non è per i deboli di cuore ").

Vorrei risolvere una semplice situazione in cui abbiamo una x una y e una variabile" soggetto ".

Qualche suggerimento su cosa fare con questo?

Puoi includere una specifica del modello che stai cercando di adattare? In un commento alla risposta di Gavin, lei menziona diverse covariate. Quale struttura di modello stai cercando?
Tre risposte:
#1
+13
Johannes
2012-05-12 22:28:15 UTC
view on stackexchange narkive permalink

Recentemente, il pacchetto lqmm "Linear Quantile Mixed Models" è stato caricato su CRAN. Anche se non l'ho mai usato, il pacchetto lqmm sembra fare quello che vuoi.

Questa presentazione da useR! La conferenza 2011 mostra alcuni esempi del pacchetto. Ecco una descrizione del pacchetto presa da useR! Abstract della conferenza 2011:

La regressione quantile condizionale (QR) riguarda la stima di quantili sconosciuti di un risultato in funzione di un insieme di covariate e di un vettore di coefficienti di regressione fissi. Negli ultimi anni, la necessità di estendere le capacità di QR per dati indipendenti per trattare progetti di campionamento a cluster (ad esempio, misure ripetute) ha portato a diversi approcci abbastanza distinti. Qui, considero l'approccio basato sulla verosimiglianza che dipende dalla stretta relazione tra il problema della norma L₁ ponderato associato a un modello QR condizionale e la distribuzione asimmetrica di Laplace (Geraci e Bottai, 2007).

In questa presentazione , Illustrerò l'uso del pacchetto R lqmm per eseguire QR con effetti misti (fissi e casuali) per un modello annidato a due livelli. La stima dei coefficienti di regressione fissi e della matrice di covarianza degli effetti casuali si basa su una combinazione di approssimazioni di quadratura gaussiana e algoritmi di ottimizzazione. I primi includono le quadrature Gauss-Hermite e Gauss-Laguerre per effetti casuali, rispettivamente, normale e doppio esponenziale (cioè Laplace simmetrico); questi ultimi includono un algoritmo di ricerca della bussola modificato e ottimizzatori per scopi generali (ottimizzazione e ottimizzazione). La modellizzazione e le questioni inferenziali sono dettagliate in Geraci e Bottai (2011) (una bozza preliminare è disponibile su richiesta). Il pacchetto fornisce anche comandi per il caso di dati indipendenti.

Recentemente ho usato anche "lqmm" e fa esattamente quello che vuole l'OP. +1
#2
+9
Gavin Simpson
2011-08-06 14:39:19 UTC
view on stackexchange narkive permalink

La misura in cui si può rispondere alla tua domanda dipende dal tipo di studio che hai in mente. Roger Koenker ha svolto un lavoro sulla regressione quantile per dati longitudinali o panel. Alcuni dettagli, un documento e una prima serie di codice R sono disponibili sul sito web di Roger.

Tieni presente il messaggio su quella pagina web che ora è più facile eseguire i metodi discussi nel documento usando qrss () nel pacchetto quantreg, riducendo gli effetti fissi usando la penalità lazo.

Ciao Gavin. Un disegno di studio: diciamo che ho i bambini e i loro genitori - e desidero stimare il quantile 95 dell'altezza dei bambini da quello dei genitori. Ma i ragazzi che ho sono anche divisi in ragazzi di paesi diversi, e voglio che i paesi abbiano un effetto casuale. Potremmo anche considerare il sesso e l'età, ad esempio. Qualsiasi ulteriore consiglio sarebbe fantastico. :)
#3
+3
Christian Eduardo Galarza
2015-01-09 00:54:38 UTC
view on stackexchange narkive permalink

Ho caricato su CRAN un pacchetto chiamato qrLMM disponibile qui

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

dove fa esattamente quello che stai cercando e anche in un articolo da presentare presto, dimostriamo che otteniamo stime migliori (bies inferiori ed errori standard) in tutti gli scenari rispetto al pacchetto lqmm di Geraci ( 2014). Spero possa essere utile per qualche ricerca futura.



Questa domanda e risposta è stata tradotta automaticamente dalla lingua inglese. Il contenuto originale è disponibile su stackexchange, che ringraziamo per la licenza cc by-sa 3.0 con cui è distribuito.
Loading...