<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />브래디 브래디 (Brady Brady)의 최근 웹 캐스트에서 비롯된 것입니다. 그는 최근 웹 캐스트에서 QR을 특별히 검토하지는 않았지만 간략하게 언급했습니다. 이로 인해 저는 사회 과학 및 사회 경제학 영역 밖에서의 적용 가능성에 대해 생각하게되었습니다. 사람들이 극단적 인 백분위 수를 예측하는 데 매우 관심이있는 분야 중 하나는 신뢰성과 수명 분석입니다. MTT (B) F 메트릭이 아니라 실패 할 평균 시간에 대해 걱정할 필요가 없다는 사실을 동료들에게 항상 이야기합니다. MTT (B) F 메트릭스는 오도 될 수 있습니다. 우리는 초기 생애에 대한 정확한 예측을 필요로합니다. 일 또는 10 일 백분위 수.
나는 종종 사회 과학에 대한 QR에 대해 머리를 맞출 수 있습니다. 왜냐하면 그들은 종종 분위수의 차이로 나타나는 '잠재 요인'에 의해 영향을 받기 때문입니다. 적어도 그것은 내 마음 속에서 만들고있는 정당성이지만 더 많은 '경험적'시스템에 대한 정당성을 찾으려하고있다. 가능한 이점 중 하나는 편견을 유발할 수있는 분배 가정을하지 않는다는 것입니다.
저는 현재의 데이터 세트로 일하며, quantile regression을보고 Weibull 특성을 가진 Generalized 회귀뿐만 아니라 파라 메트릭 생존 방법과 비교합니다. 기본적으로, 나는 다른 이들이이 경험을 갖고 있는지 궁금해하고 있었고 신뢰성 애플리케이션에 대한 QR을 조사 할 가치가 있다고 생각하던가요? 나는 어떤 생각에 감사 할 것입니다.
감사!
데이브
