使用 R 中的几个因变量进行分位数回归

Question

我有兴趣在 R 中进行多元回归，查看分组变量（2 个级别）对几个因变量的影响。 但是，由于我的数据是非正态的并且两组没有同质方差，我希望使用分位数回归。 我正在使用 quantreg 工具箱中的 rq function 来执行此操作。

我的代码如下

 # Generate some fake data
   DV = matrix(rnorm(40*5),ncol=5) #construct matrix for dependent variables

   IV =  matrix(rep(1:2,20)) #matrix for grouping factor

   library(quantreg)

   model.q = rq(DV~IV,
             tau = 0.5)

运行时我收到以下错误消息：

Error in y - x %*% z$coef : non-conformable arrays
In addition: Warning message:
In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique

我相信这是因为我有几个 DV，因为当我尝试使用一列 DV 时，model 工作正常。 有没有一种特定的方式我应该格式化我的数据？ 或者也许还有另一个 function 我可以使用？

谢谢！

Answer 1

如果您只想运行多个回归，每个回归具有相同的自变量集，但具有不同的因变量，您可以编写 function，然后将其应用于DV矩阵的所有列并将模型保存在列表中：

reg <- function(col_number) {
  model.q <- rq(DV[, col_number] ~ IV, tau = 0.5)
}
model_list <- lapply(1:ncol(DV), reg)

但是，正如评论中指出的那样，您可能想要一个多元 model 来说明结果的相关性 - 但我认为rq方法不合适

Answer 2

如果您有多个响应，您最可能需要的是：

DV = matrix(rnorm(40*5),ncol=5) #construct matrix for dependent variables
IV =  matrix(rep(1:2,20)) #matrix for grouping factor
library(quantreg)
rqs.fit(x=IV, y=DV, tau=0.5, tol = 0.0001)

不幸的是，关于它如何工作的文档真的不多。如果我找到它，我可以更新