분위수 회귀에서 범주형 변수에 대한 확장된 추정치(표준화)(OLS와 비슷한 해결책?)분위수 회귀 분석에서 두 개의 범주형 변수에 대한 확장 추정치(표준화 베타)를 생성하는 방법을 찾고 있습니다. OLS에서 모든 연속형 예측 변수와 결과를 먼저 표준화한 다음 "확장 추정치" 드롭다운을 사용하면 매우 효과적이며, 범주형 변수의 기준 수준을 하나씩 바꿔 "표준 베타"에 대한 원래 "모수 추정치"를 마우스 오른쪽 버튼으로 클릭한 것과 거의 동일한 결과를 얻을 수 있습니다.
하지만 분위수 회귀 분석에서 이 해결 방법(참조 수준 변경)을 사용하면 범주형 변수에 대해 매우 다른 결과가 나옵니다. 그리고 제가 찾을 수 있는 분위수 회귀 플랫폼에는 "확장 추정값" 옵션이 없습니다. 확장 추정값을 얻을 수 없다는 것은 OLS 플롯과 비교할 분위수 과정 플롯을 만드는 데 방해가 됩니다. 전자에는 범주형 변수의 두 수준 전체가 없기 때문입니다. JMP에서 사용하는 범주형 변수의 효과 코딩 때문에 불가능한 것 같습니다. 아니면 단순히 회귀 유형(OLS 대 분위수) 차이 때문일까요? 저는 분위수 회귀 분석이 처음입니다(네, 여기서는 사용해야 합니다). 하지만 범주형 변수에 대한 확장 추정값을 생성하는 것이 불가능한 것이 아니라면, 어떻게 해야 하는지 아시는 분 계신가요? 해결 방법이 있을까요?
데이터 블렌딩 및 정리데이터 탐색 및 시각화Re: 분위수 회귀에서 범주형 변수에 대한 확장 추정(표준화)(OLS에서와 같은 해결 방법?)확장된 추정값은 최소제곱 적합에서는 사용할 수 있지만 일반화 회귀에서는 사용할 수 없는 이유는 동일한 선형 예측 변수가 각 플랫폼에서 매개변수화되는 방식이 다르기 때문입니다. 범주형 요인의 각 수준은 모형의 매개변수로 표시됩니다. JMP는 범주형 요인이 모델에 항으로 입력될 때 이러한 매개변수를 자동으로 생성합니다.
최소제곱 맞춤은 추정값의 합이 0과 같아야 하는 효과 코딩을 사용합니다. 따라서 마지막 수준 k의 매개변수 추정값은 첫 번째 k-1 추정값 합계의 음수와 같아야 합니다. JMP는 일반적으로 이 수준을 표시하지 않는데, 그 이유는 추정되지 않고 제한적이기 때문입니다.
GenReg는 다른 매개변수화를 사용합니다. 여기서 마지막 수준은 참조이며 0으로 설정됩니다. 이 매개변수화는 모델 선택 기술에 유리합니다.
