La summary.rqfunzione della vignetta quantreg offre una moltitudine di scelte per le stime di errore standard dei coefficienti di regressione quantile. Quali sono gli scenari speciali in cui ognuno di questi diventa ottimale / desiderabile?
"rango" che produce intervalli di confidenza per i parametri stimati invertendo un test di rango come descritto in Koenker (1994). L'opzione predefinita presuppone che gli errori siano iid, mentre l'opzione iid = FALSE implementa la proposta di Koenker Machado (1999). Vedere la documentazione per rq.fit.br per ulteriori argomenti.
"iid" che presume che gli errori siano iid e calcola una stima della matrice di covarianza asintotica come in KB (1978).
"nid" che presume la linearità locale (in tau) (in x) delle funzioni quantiche condizionali e calcola una stima sandwich di Huber usando una stima locale della scarsità.
"ker" che utilizza una stima del kernel del sandwich proposta da Powell (1990).
"boot" che implementa una delle diverse possibili alternative di bootstrap per stimare errori standard.
Ho letto almeno 20 articoli empirici in cui questo è applicato sia nella serie temporale che nella dimensione della sezione trasversale e non ho visto una menzione della scelta dell'errore standard.
rmsdel pacchetto R ,bootcovè quello di salvare i coefficienti di regressione replicati bootstrap ( s) e di utilizzare l'approccio dell'intervallo di confidenza percentile non parametrico bootstrap per ottenere intervalli di confidenza per qualsiasi contrasto (combinazione di s) di interesse.