Welche diagnostischen Diagramme gibt es für die Quantilregression?

Nach meiner Frage an OLS frage ich mich: Welche diagnostischen Diagramme gibt es für die Quantilregression? (Und gibt es R Implementierung von ihnen?)

Bei einer schnellen Google-Suche wurde bereits das Wurmdiagramm gefunden (von dem ich noch nie gehört habe), und ich würde mich über weitere Methoden freuen, die Sie kennen könnten. (Sind einige von ihnen von OLS für die Quantil-Regression portiert?)

$X\beta$durch Unteranpassung, dh Fehlen von nichtlinearen Effekten (ein häufiges Problem) oder Wechselwirkungseffekten. Es gibt mindestens zwei empfohlene Ansätze. Erstens, wenn Ihre Stichprobe groß ist, passen Sie einfach ein flexibleres Modell an. Ein guter Kompromiss besteht darin, alle Haupteffekte mithilfe von Regressionssplines wie eingeschränkten kubischen Splines (natürlichen Splines) nichtlinear sein zu lassen. Dann gibt es nichts, was überprüft werden muss, außer für Interaktionen. Der zweite Ansatz besteht darin, zu hoffen, dass das Modell einfach ist (warum?), Es jedoch komplex sein zu lassen, und dann die Auswirkungen der komplexen Ergänzungen des einfachen Modells zu bewerten. Zum Beispiel können wir die kombinierten Beiträge von nichtlinearen oder Interaktionstermen oder beidem bewerten. Es folgt ein Beispiel mit den Tasten R rmsundquantregPakete. Ein Kompromiss-Interaktionsformular wird verwendet, um die Anzahl der Parameter zu begrenzen. Die Wechselwirkungen dürfen nicht doppelt nichtlinear sein.

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.)