Quali grafici diagnostici esiste per la regressione quantile?

Seguendo la mia domanda per OLS , mi chiedo: quali grafici diagnostici esiste per la regressione quantile? (e ci sono R implementazione di loro?)

Una rapida ricerca su Google ha già prodotto la trama del worm (di cui non ho mai sentito parlare prima) e sarei felice di sapere di più metodi che potresti conoscere. (qualcuno di loro è di OLS portato per regressione quantistica?)

La regressione quantile non fa ipotesi distributive, cioè ipotesi sui residui, oltre a supporre che la variabile di risposta sia quasi continua. Se si sta affrontando il problema della stima di un singolo quantile come predittore di funzione X, di gran lunga le cose principali che possono andare storte sono la mancata specificazione del predittore lineare$X\beta$sottovalutando, cioè, non includendo effetti non lineari (un problema comune) o effetti di interazione. Esistono almeno due approcci consigliati. Innanzitutto, se la dimensione del campione è grande, basta inserire un modello più flessibile. Un buon compromesso è quello di consentire a tutti gli effetti principali di essere non lineari usando le spline di regressione come le spline cubiche ristrette (spline naturali). Quindi non c'è nulla che debba essere verificato tranne le interazioni. Il secondo approccio è quello di sperare che il modello sia semplice (perché?) Ma permetta che sia complesso, quindi per valutare l'impatto delle aggiunte complesse al modello semplice. Ad esempio, possiamo valutare i contributi combinati di termini non lineari o di interazione o entrambi. Segue un esempio, usando R rmsequantregPacchetti. Viene utilizzato un modulo di interazione di compromesso per limitare il numero di parametri. Le interazioni sono limitate per non essere doppiamente non lineari.

require(rms)
# Estimate 25th percentile of y as a function of x1 and x2
f <- Rq(y ~ rcs(x1, 4) + rcs(x2, 4) + rcs(x1, 4) %ia% rcs(x2, 4), tau=.25)
# rcs = restricted cubic spline, here with 4 default knots
# %ia% = restricted interaction
# To use general interactions (all cross product terms), use:
# f <- Rq(y ~ rcs(x1, 4)*rcs(x2, 4), tau=.25)
anova(f)   # get automatic combined 'chunk' tests: nonlinearity, interaction
# anova also provides the combined test of complexity (nonlin. + interact.)