Gibt es ein angepasstes

Nachdem ich ein Quantil-Regressionsmodell in eine Arbeit aufgenommen habe, möchten die Gutachter, dass ich angepasstes in die Arbeit einbeziehe. Ich habe die Pseudo- s (aus der JASA-Arbeit von Koenker und Machado von 1999 ) für die drei für meine Studie interessanten Quantile berechnet . $R^2$ $R^2$

Ich habe jedoch noch nie von einem angepassten für die Quantilregression gehört und wusste nicht, wie ich es berechnen sollte. Ich bitte Sie um eine der folgenden Fragen: $R^2$

vorzugsweise: eine Formel oder ein Ansatz zur sinnvollen Berechnung eines angepassten für die Quantilregression. $R^2$
alternativ: überzeugende Argumente, um den Gutachtern mitzuteilen, warum es in der quantilen Regression kein angepasstes . $R^2$

goodness-of-fit r-squared quantile-regression

— Steve G. Jones
quelle

Vielleicht Kreuzvalidierung?

— Christoph Hanck

@ChristophHanck: Wie würden Sie in diesem Fall die Kreuzvalidierung verwenden?

— S. Kolassa - Wiedereinsetzung von Monica

Ich bin mir nicht sicher, sonst hätte ich eine richtige Antwort gegeben ... Da die Frage offenbar viel Interesse weckte, ohne Antworten zu generieren, wollte ich die Diskussion in Gang bringen. Im Großen und Ganzen legt

nahe, dass eine Art Modellauswahl das Ziel ist. Daher scheint CV eine Standardstrategie zu sein, die häufig auch dann funktioniert, wenn keine spezifischen Formeln verfügbar sind, die auf bestimmten Wahrscheinlichkeiten beruhen (wie AIC). Es ist jedoch (für mich) nicht klar, warum die Rezensenten einen angepassten

R^{2}

$R^2$

R^{2}

$R^2$ .

— Christoph Hanck

Diese Frage wurde bereits gestellt, diskutiert und beantwortet und hat eine hoch gestimmte Antwort: stats.stackexchange.com/q/129200 Bitte Sie einen Kommentar für diese Antwort ab.

— Toka

@Toka Vielen Dank, dass Sie die Referenz gefunden haben. Obwohl es sich um eine hochrelevante Diskussion handelt, sehe ich darin nichts, was das besondere Anliegen hier anspricht, nämlich ein angepasstes (Pseudo-)

, das als Analogon des angepassten

der multiplen Regression der kleinsten Quadrate verwendet werden soll.

R^{2}

$R^2$

R^{2}

$R^2$

— whuber

Antworten:

Ich denke, was die Rezensenten verlangen, ist, die Pseudo- -Werte zu nehmen und sie für die Anzahl der Stichproben im Quantilbereich, , und die Anzahl der Parameter im Modell, "zu" entstellen . Mit anderen Worten, angepasst - in seinem üblichen Kontext. Das heißt, der korrigierte ungeklärte Anteil ist um einen Faktor von größer als der Brutto-ungeklärte Anteil $R^2$ $n_Q$ $p$ $R^2$ , dh $\frac{n_Q-1}{n_Q-p-1}$

oder $1-R^{2*}=\frac{n_Q-1}{n_Q-p-1}(1-R^2)$ $R^{2*}=1-\frac{n_Q-1}{n_Q-p-1}(1-R^2)$

Ich stimme Ihnen zu, wenn es darum geht, die Dinge zu weit zu bringen, da dies bereits ein Pseudo- -Wert ist und ein angepasster Pseudo- -Wert dem Leser den Eindruck vermitteln könnte, eine Pseudo-Anpassung durchzuführen. $R^2$ $R^2$

Eine Alternative besteht darin, die Berechnungen durchzuführen und den Prüfern zu zeigen, was die Ergebnisse sind, und sie NICHT in das Papier aufzunehmen, indem erklärt wird, dass es über die von Ihnen verwendeten veröffentlichten Methoden hinausgeht und Sie nicht die Verantwortung für die Erfindung einer ansonsten unveröffentlichten Methode übernehmen möchten angepasste Pseudo- -Prozedur. Sie sollten sich jedoch darüber im Klaren sein, dass der Grund, den die Prüfer fragen, darin besteht, dass sie die Zusicherung wünschen, dass sie keine Kauderwelschzahlen sehen. Wenn Sie sich nun eine andere Möglichkeit vorstellen können, genau das zu tun und den Prüfern zu versichern, dass die Ergebnisse zuverlässig sind, dann sollte das Problem behoben sein ... $R^2$

Eine Alternative besteht darin, weitere Referenzen oder Informationen zu den verwendeten Pseudo- -Werten anzugeben, insbesondere wenn Sie Robustheit oder Präzision zeigen können. Beispielsweise $R^2$ ein Fehlanpassungstest für die quantitative Regression . Sind die Pseudo- -Werte für das Papier wesentlich, oder gibt es andere Möglichkeiten, um dasselbe Ziel zu erreichen? $R^2$

Manchmal ist es am einfachsten, das Problem zu löschen. Ja, wir stimmen Ihnen zu, ehrwürdiger Rezensent, Ihre majestätische Unfehlbarkeit wird verehrt, grovel, grovel $<$ Problem gelöscht. $>$

— Carl
quelle

-1

Sie sollten $R^2$ besser nicht verwenden , um zwei Quantilregressionsmodelle zu vergleichen, da die Verlustfunktion des Quantilregressionsmodells nicht auf MSE basiert .

Sie können AIC oder BIC ausprobieren .

— Tony Huang
quelle

Hallo und willkommen auf der Seite. Könnten Sie die Gründe für Ihren ersten Satz etwas näher erläutern?

— S. Kolassa - Wiedereinsetzung von Monica

Ich vermute, dass am Anfang ein "Nicht" fehlt.

— Whuber

(Meine Bearbeitung war trivial und kein Versuch, @ whubers berechtigten Zweifel zu klären - das ist für das OP.)

— Nick Cox