SPQR：用于半参数密度与分位数回归的 R 包
统计方法学
2022-10-27 v1 统计计算
机器学习
摘要
我们开发了一个 R 包 SPQR，实现了 Xu 和 Reich (2021) 提出的半参数分位数回归（SPQR）方法。该方法首先使用单调样条拟合灵活的密度回归模型，其权重被建模为依赖数据的人工神经网络函数。随后，可以获得条件密度和分位数过程的估计。与许多假设线性模型的分位数回归方法不同，SPQR 允许协变量与响应分布之间存在几乎任何关系，包括非线性效应以及在不同分位数水平上的不同效应。为了提高 SPQR 的可解释性和透明度，使用 Apley 和 Zhu (2020) 开发的模型无关统计量来估计和可视化协变量效应及其对分位数函数的相对重要性。在本文中，我们详细介绍了该框架在 SPQR 中的实现，并通过模拟和真实数据示例说明了该包在实际中应如何使用。
引用
@article{arxiv.2210.14482,
title = {SPQR: An R Package for Semi-Parametric Density and Quantile Regression},
author = {Steven G. Xu and Reetam Majumder and Brian J. Reich},
journal= {arXiv preprint arXiv:2210.14482},
year = {2022}
}
备注
25 pages, 13 figures