R的rqpd的包面板分位数回归的tau值设置问题

请问各位达人，我在使用R的rqpd的包进行面板的分位数回归时候碰到了tau值得设置问题，我在使用method=pfe的时候,我可以自由设置我的tau值（0.1,0.25,0.5，0.7,0.9） ，但是我在使用cre模型时候tau值无论怎么设置都是默认的1:3/4。请问你们是怎么解决的？谢谢告知

1. > data(bwd)
   
2. >
   
3. > cre.form <- dbirwt ~ smoke + dmage + agesq +
   
4. +    novisit + pretri2 + pretri3 | momid3 | smoke +
   
5. +    dmage + agesq
   
6. >
   
7. > # CRE-M type fit:
   
8. > crem.fit <- rqpd(cre.form, panel(method="cre"), data=bwd)
   
9. >
   
10. > summary(crem.fit)
    
11. 
    
12. Call: rqpd(formula = cre.form, panel = panel(method = "cre"), data = bwd)
    
13. 
    
14. taus: [1] 0.25 0.50 0.75
    
15. 
    
16. Coefficients:
    
17.                   Value      Std. Error t value    Pr(>|t|)  
    
18. (Intercept)[0.25] 2440.23361  153.51280   15.89596    0.00000
    
19. smoke[0.25]       -114.21319   29.92100   -3.81716    0.00014
    
20. dmage[0.25]         -5.59702   19.74264   -0.28350    0.77680
    
21. agesq[0.25]          0.42689    0.33911    1.25886    0.20810
    
22. novisit[0.25]     -380.30477  129.38426   -2.93934    0.00329
    
23. pretri2[0.25]      -39.35954   18.46683   -2.13136    0.03308
    
24. pretri3[0.25]       -5.33718   40.93251   -0.13039    0.89626
    
25. m.smoke[0.25]     -167.86680   37.04771   -4.53110    0.00001
    
26. m.dmage[0.25]       55.15672   21.94874    2.51298    0.01198
    
27. m.agesq[0.25]       -1.18906    0.37985   -3.13030    0.00175
    
28. (Intercept)[0.5]  2943.08621  132.98436   22.13107    0.00000
    
29. smoke[0.5]        -118.96828   26.98523   -4.40864    0.00001
    
30. dmage[0.5]         -37.64142   20.03793   -1.87851    0.06033
    
31. agesq[0.5]           0.97716    0.33975    2.87612    0.00403
    
32. novisit[0.5]      -177.32593   64.75030   -2.73861    0.00618
    
33. pretri2[0.5]       -23.94772   17.10679   -1.39990    0.16157
    
34. pretri3[0.5]       -18.41868   32.82017   -0.56120    0.57467
    
35. m.smoke[0.5]      -144.49955   35.55735   -4.06384    0.00005
    
36. m.dmage[0.5]        71.74920   21.27920    3.37180    0.00075
    
37. m.agesq[0.5]        -1.44484    0.36518   -3.95653    0.00008
    
38. (Intercept)[0.75] 3367.51099  171.79604   19.60180    0.00000
    
39. smoke[0.75]       -120.63708   33.36124   -3.61608    0.00030
    
40. dmage[0.75]        -29.15072   23.53720   -1.23850    0.21555
    
41. agesq[0.75]          0.83485    0.40342    2.06941    0.03853
    
42. novisit[0.75]      -21.21667   99.26766   -0.21373    0.83076
    
43. pretri2[0.75]       23.61037   21.94000    1.07613    0.28189
    
44. pretri3[0.75]      -39.49583   31.54505   -1.25205    0.21058
    
45. m.smoke[0.75]     -138.38759   38.35553   -3.60802    0.00031
    
46. m.dmage[0.75]       54.88645   23.71733    2.31419    0.02067
    
47. m.agesq[0.75]       -1.14623    0.40541   -2.82732    0.00470
    
48. > crem.fit <- rqpd(cre.form, panel(method="cre",taus=c(0.1, 0.25, 0.5, 0.75, 0.9), tauw=rep(1/5, 5)), data=bwd)
    
49. > summary(crem.fit)
    
50. 
    
51. Call: rqpd(formula = cre.form, panel = panel(method = "cre", taus = c(0.1,
    
52.     0.25, 0.5, 0.75, 0.9), tauw = rep(1/5, 5)), data = bwd)
    
53. 
    
54. taus: [1] 0.10 0.25 0.50 0.75 0.90
    
55. 
    
56. Coefficients:
    
57.                   Value      Std. Error t value    Pr(>|t|)  
    
58. (Intercept)[0.1]  1971.78927  216.88506    9.09140    0.00000
    
59. smoke[0.1]        -189.70646   40.04297   -4.73757    0.00000
    
60. dmage[0.1]          37.59929   27.43797    1.37034    0.17060
    
61. agesq[0.1]          -0.23533    0.46267   -0.50864    0.61102
    
62. novisit[0.1]      -602.65402  167.24944   -3.60332    0.00032
    
63. pretri2[0.1]       -76.52337   26.03155   -2.93964    0.00329
    
64. pretri3[0.1]        -2.43651   54.85671   -0.04442    0.96457
    
65. m.smoke[0.1]       -55.36162   52.04279   -1.06377    0.28745
    
66. m.dmage[0.1]        23.35438   33.42263    0.69876    0.48471
    
67. m.agesq[0.1]        -0.71575    0.56802   -1.26007    0.20767
    
68. (Intercept)[0.25] 2440.23361  171.15241   14.25766    0.00000
    
69. smoke[0.25]       -114.21319   28.55717   -3.99946    0.00006
    
70. dmage[0.25]         -5.59702   18.38955   -0.30436    0.76086
    
71. agesq[0.25]          0.42689    0.32289    1.32210    0.18616
    
72. novisit[0.25]     -380.30477  141.29461   -2.69157    0.00712
    
73. pretri2[0.25]      -39.35954   18.83226   -2.09001    0.03664
    
74. pretri3[0.25]       -5.33718   37.34986   -0.14290    0.88637
    
75. m.smoke[0.25]     -167.86680   34.35281   -4.88655    0.00000
    
76. m.dmage[0.25]       55.15672   21.60219    2.55329    0.01068
    
77. m.agesq[0.25]       -1.18906    0.37660   -3.15736    0.00160
    
78. (Intercept)[0.5]  2943.08621  134.28916   21.91604    0.00000
    
79. smoke[0.5]        -118.96828   28.75863   -4.13679    0.00004
    
80. dmage[0.5]         -37.64142   19.12588   -1.96809    0.04908
    
81. agesq[0.5]           0.97716    0.32557    3.00140    0.00269
    
82. novisit[0.5]      -177.32593   81.08303   -2.18697    0.02876
    
83. pretri2[0.5]       -23.94772   15.34034   -1.56109    0.11853
    
84. pretri3[0.5]       -18.41868   31.74087   -0.58028    0.56173
    
85. m.smoke[0.5]      -144.49955   35.36972   -4.08540    0.00004
    
86. m.dmage[0.5]        71.74920   22.24552    3.22533    0.00126
    
87. m.agesq[0.5]        -1.44484    0.37800   -3.82232    0.00013
    
88. (Intercept)[0.75] 3367.51099  168.90353   19.93748    0.00000
    
89. smoke[0.75]       -120.63708   35.22398   -3.42486    0.00062
    
90. dmage[0.75]        -29.15072   22.23286   -1.31115    0.18983
    
91. agesq[0.75]          0.83485    0.38974    2.14205    0.03221
    
92. novisit[0.75]      -21.21667  103.32360   -0.20534    0.83731
    
93. pretri2[0.75]       23.61037   20.19305    1.16923    0.24233
    
94. pretri3[0.75]      -39.49583   29.90234   -1.32083    0.18658
    
95. m.smoke[0.75]     -138.38759   41.92407   -3.30091    0.00097
    
96. m.dmage[0.75]       54.88645   24.14053    2.27362    0.02300
    
97. m.agesq[0.75]       -1.14623    0.42223   -2.71469    0.00664
    
98. (Intercept)[0.9]  3523.39409  212.94281   16.54620    0.00000
    
99. smoke[0.9]        -120.42193   54.08877   -2.22638    0.02601
    
100. dmage[0.9]         -51.20245   28.56938   -1.79221    0.07312
     
101. agesq[0.9]           1.26688    0.50306    2.51836    0.01180
     
102. novisit[0.9]        13.89590   74.11220    0.18750    0.85127
     
103. pretri2[0.9]        38.18016   23.45145    1.62805    0.10354
     
104. pretri3[0.9]       -75.90907   48.95991   -1.55043    0.12106
     
105. m.smoke[0.9]       -80.40990   62.66473   -1.28318    0.19945
     
106. m.dmage[0.9]        87.11635   31.33288    2.78035    0.00544
     
107. m.agesq[0.9]        -1.75179    0.54192   -3.23256    0.00123

复制代码

我这里可以正常输出软件2.14

ywh19860616 发表于 2013-3-11 00:03
我这里可以正常输出软件2.14

想请问下那个rqpd的命令是什么捏？我的是2.15没有捏？

ywh19860616 发表于 2013-3-11 00:03
我这里可以正常输出软件2.14

您好，请问rqpd是做面板分位数回归的吗？小弟刚学R什么都不懂啊，还有我装的R3.0.0镜像里怎么没有rqpd包，谢谢哈！

ywh19860616 发表于 2013-3-11 00:03
我这里可以正常输出软件2.14

您好！我做到您这个例子的第十行summary之后说找不到对象crem.fit是怎么回事啊？还有，你那个函数设置|momid3|是什么意思啊？我在做面板分位数回归的，但是总是不知道自己做的时候问题出在哪里了，做这个需要先判定固定or随机效应么？我做的随机效应总说negative，固定和混合的都不显著，这是什么意思啊....菜鸟上路...打扰了....

duobaby 发表于 2013-4-22 22:10
您好！我做到您这个例子的第十行summary之后说找不到对象crem.fit是怎么回事啊？还有，你那个函数设置|mo ...

能不能加你qq啊，我现在也在做面板分位数，不懂，想和你交流交流，谢谢哈！

vickiegenie 发表于 2013-3-31 20:42
想请问下那个rqpd的命令是什么捏？我的是2.15没有捏？

这个包需要自己下载，然后到本地安装
我好像上传过这个文件，你搜索下

北海之尊 发表于 2013-4-22 22:00
您好，请问rqpd是做面板分位数回归的吗？小弟刚学R什么都不懂啊，还有我装的R3.0.0镜像里怎么没有rqpd包， ...

这个包需要自己下载，然后到本地安装
我好像上传过这个文件，你搜索下

duobaby 发表于 2013-4-22 22:10
您好！我做到您这个例子的第十行summary之后说找不到对象crem.fit是怎么回事啊？还有，你那个函数设置|mo ...

rqpd目前可以实现2种方法，一个是Koenker的penalty方法，另一个是CRE方法
你看下帮助文件的参考文献，可以了解的更详细。

ywh19860616 发表于 2013-3-11 00:03
我这里可以正常输出软件2.14

请问使用什么编辑器？我用是Rstudio。谢谢