分位数回归中分类变量的扩展估计（标准化）（类似于 OLS 中的解决方法？）我正在寻找一种方法来为分位数回归中的两个分类变量生成扩展估计值（标准化 beta）。 在 OLS 中，首先标准化所有连续预测变量和结果，然后使用“扩展估计”下拉菜单效果很好，并产生几乎在简单地逐一切换分类变量的参考水平后，与右键单击“Std Beta”的原始“参数估计值”完全相同的结果。
但是，在分位数回归中使用这项工作（切换参考水平）给了我非常分类变量的不同结果。 我可以找到分位数回归平台中没有“扩展估计”选项。 无法获得扩展估计是构建分位数过程图以与 OLS 图进行比较的拖累，因为前者缺少分类变量的两个完整级别。 我怀疑它不能通过 jmp 使用的分类变量的效果编码来完成？ 或者，仅仅是由于回归差异的类型（OLS 与分位数）？ 我是分位数回归的新手（是的，我必须在这里使用它）。 但是，如果在这里不可能产生对分类变量的扩展估计，有人知道怎么做吗？ 解决办法？
分析数据表苹果系统其他
