在做分位数回归的时候，如果自变量和因变量不是线性关系，是否仍然可以做此回归分析呢

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我有两组数据，我打算用分位数回归来处理。但是在做散点图的时候，分析发现不是线性的关系，用三次方模型更合适，那么，是否仍然可以用分位数回归来分析此组数据？同样，如果可以的话，作图的时候，该怎么调用函数呢？非常感谢!

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：分位数回归 回归分析 线性关系 因变量 分位数 变量 关系 回归分析 位数 线性

可以作曲线回归，不知道你用的是什么软件

R语言quantreg包中的假设检验

加载quantreg包以后，使用summary()函数或summary.rq()函数，可以得到参数系数的一些假设检验统计量。其实，以上两个函数是一致的。在使用summary()的时候，如果sumamry()加载的模型（对象）是分位数回归模型，则会自动调用summary.rq()来处理这个对象。summary.rq()的调用格式为

summary(object, se = NULL, covariance=FALSE, hs = TRUE,  ...)

其中主要参数有：

# object: 分位数回归对象，根据rq()函数等得到的结果。

# se: 用于计算参数估计值标准差的方法，可以选取的值包括：

-                rank: 根据Koenker(1994)的秩检验得到标准差的估计值。默认情况下假定残差是服从独立同分布。如果补充另一个参数iid=FALSE，则采用Machado(1999)的方法计算标准差（参数的写法：se=”rank”, iid=FALSE）。

-                iid: （这个与上面提到的iid=FALSE不同，这里是参数se的一个取值，而上面的iid是一个逻辑参数）假定残差服从独立同分布，并按照KB（1978）的方法计算残差。

-                nid: 用sparsity算法计算的参数估计值标准差。

-                ker: 用Powell(1990)的核密度估计方法得到标准差。

-                boot: 采用bootstrap自助抽样的方法计算标准差。

-                默认情况下，se=NULL且convariance=FALSE，标准差的默认算法是se=”rank”；其他情况下，se默认值为”nid”。

# covariance: 逻辑参数，是否返回参数估计量的协方差矩阵。