分位回帰におけるカテゴリ変数の拡張推定値（標準化）（OLS のような回避策？）分位回帰分析において、2つのカテゴリ変数の拡張推定値（標準化ベータ）を生成する方法を探しています。OLSでは、まずすべての連続予測変数と結果を標準化し、「拡張推定値」ドロップダウンを使用すると非常にうまくいきます。カテゴリ変数の参照レベルを一つずつ変更するだけで、元の「パラメータ推定値」を右クリックして「標準ベータ」を選択するのとほぼ同じ結果が得られます。
しかし、この回避策（参照レベルを切り替える）を分位回帰で用いると、カテゴリ変数について全く異なる結果が得られます。また、分位回帰プラットフォームには「拡張推定値」オプションが見当たりません。拡張推定値が得られないため、OLSプロットと比較するための分位プロセスプロットを作成するのが困難です。前者ではカテゴリ変数の2つのレベルが欠落しているからです。JMPが使用するカテゴリ変数の効果コーディングが原因でしょうか？それとも、単に回帰の種類（OLS vs. 分位）の違いが原因でしょうか？私は分位回帰の初心者です（そうです、ここで使わなければなりません）。しかし、カテゴリ変数の拡張推定値がここで作成不可能ではないのであれば、その方法をご存知の方はいらっしゃいますか？回避策はありますか？
データのブレンドとクリーンアップデータの探索と可視化
