分位數迴歸中分類變數的擴展估計（標準化）（像 OLS 中的解決方法？）我正在尋找一種方法來生成分位數迴歸中兩個分類變數的擴展估計值（標準化 beta 值）。在 OLS 中，先將所有連續預測變數及其結果標準化，然後使用「擴展估計值」下拉式功能表效果很好，並且與在原始「參數估計值」上按一下滑鼠右鍵，逐一切換分類變數的參考值後，按一下「標準 beta 值」幾乎完全相同。
然而，在分位數迴歸中使用這種方法（切換參考水準）會為我帶來截然不同的分類變數結果。而且我在分位數迴歸平台中找不到“擴展估計值”選項。無法取得擴展估計值會阻礙建構分位數流程圖與OLS圖進行比較，因為前者缺少了整整兩個層級的分類變數。我懷疑這無法實現，是因為JMP使用的分類變數效應編碼？還是只是因為迴歸類型不同（OLS還是分位數）？我對分位數回歸還不熟悉（是的，我必須在這裡使用它）。但是，如果在這裡可以產生分類變數的擴展估計值，有人知道怎麼做嗎？有什麼解決方法嗎？
資料混合與清理數據探索與視覺化
