<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Meine Frage stammt aus einem Webcast von Brady Brady. Obwohl er QR im letzten Webcast nicht speziell geprüft hatte, erwähnte er es kurz. Dies veranlasste mich, über seine Anwendbarkeit außerhalb der sozialwissenschaftlichen und sozioökonomischen Bereiche nachzudenken. Ein Bereich, in dem Menschen extrem daran interessiert sind, extreme Perzentile vorherzusagen, sind Zuverlässigkeits- und Lebensanalysen. Ich sage meinen Kollegen immer, dass wir uns keine Sorgen um die mittlere Zeit bis zum Scheitern machen sollten, auch nicht um die MTT (B) F-Metriken, da sie irreführend sein könnten, da wir bis dahin aus dem Geschäft sind. Wir brauchen genaue Vorhersagen für die frühen Lebensquantile wie die 5 th oder 10 th Perzentile
Ich kann mich mit QR für die Sozialwissenschaften auseinandersetzen, da sie oft von "latenten Faktoren" beeinflusst werden, die sich als Unterschiede in den Quantilen erweisen könnten. Zumindest ist das die Rechtfertigung, die ich in meinem Kopf mache, aber ich versuche, mehr 'empirische' Systeme zu rechtfertigen. Ich denke, einer der möglichen Vorteile ist, dass ich keine Verteilungsannahme machen würde, die Voreingenommenheit auslösen könnte.
Ich nehme mir etwas Zeit bei der Arbeit mit einem aktuellen Datensatz, um die Quantil-Regression zu untersuchen und mit parametrischen Überlebensmethoden sowie der generalisierten Regression mit einer Weibull-Persönlichkeit zu vergleichen. Im Grunde habe ich mich nur gefragt, ob jemand anderes Erfahrung damit hat oder der Meinung ist, dass es sinnvoll ist, QR für Zuverlässigkeitsanwendungen zu untersuchen oder nicht? Ich würde mich über irgendwelche Gedanken freuen.
Vielen Dank!
Dave
