分位点回帰のカテゴリ変数の拡張推定（標準化）（OLSのような回避策？）分位点回帰で2つのカテゴリ変数の拡張推定値（標準化されたベータ）を生成する方法を探しています。 OLSでは、最初にすべての連続予測子と結果を標準化し、次に「拡張推定」ドロップダウンを使用するとうまく機能し、ほとんどカテゴリ変数の参照レベルを1つずつ切り替えた後、「標準ベータ」の元の「パラメータ推定値」を右クリックした場合とまったく同じ結果になります。
ただし、分位点回帰でこの回避策（参照レベルの切り替え）を使用すると、とてもカテゴリ変数の結果が異なります。 そして、私が見つけることができる分位点回帰プラットフォームには「拡張推定」オプションはありません。 前者にはカテゴリ変数の2つのレベル全体が欠落しているため、その拡張された推定値を取得できないことは、OLSプロットと比較するための分位数プロセスプロットを構築するためのドラッグです。 jmpが使用するカテゴリ変数のエフェクトコーディングのb / cでは実行できないのではないかと思いますか？ または、単に回帰の違いのタイプ（OLSと分位数）が原因ですか？ 分位点回帰は初めてです（はい、ここで使用する必要があります）。 しかし、カテゴリ変数の拡張された推定値をここで生成することが不可能でない場合、誰かがその方法を知っていますか？ 回避策？
分析データ表マックOS他のRe：分位点回帰のカテゴリ変数の拡張推定（標準化）（OLSのような回避策？）拡張推定がFitLeast Squaresで利用できるが、Generalized Regressionでは利用できない理由は、同じ線形予測子が各プラットフォームによってパラメーター化される異なる方法と関係があります。 カテゴリ要素の各レベルは、モデルのパラメーターによって表されます。 JMPは、カテゴリ要素がモデルに用語として入力されると、これらのパラメータを自動的に作成します。
Fit Least Squaresは、推定値の合計がゼロに等しくなければならない効果コーディングを使用します。 したがって、最後のレベルkのパラメーターの推定値は、最初のk-1推定値の合計の負の値に等しくなければなりません。 JMPは、推定ではなく制約があるため、従来、このレベルを表示しません。
GenRegは異なるパラメータ化を使用します。ここで、最後のレベルは参照であり、ゼロに設定されます。 このパラメーター化は、モデル選択手法に有利です。
