分位数回归+虚拟变量答案

【问题标题】：quantile regression+ dummy variable分位数回归+虚拟变量
【发布时间】：2014-12-24 01:46:07
【问题描述】：

我使用 R 中的 quantreg 包来计算分位数回归模型。模型中，因变量(Y)为NAS_DELAY，自变量(Xs)为SEANSON1TO4、SEANSON2TO4、SEANSON3TO4。
型号为：

NAS_DELAY=aSEANSON1TO4+bSEANSON2TO4+cSEANSON3TO4+d

SEANSON1TO4,SEANSON2TO4,SEANSON3TO4是虚拟变量，0或1。我用R计算截距和其他回归系数，但结果表明

“rq.fit.br(x,y,tau=tau,....) 奇异设计矩阵中的错误；此外：警告消息 1:in summary.rq(xi,....):278951非实证”。

我不知道为什么。

"fit2<-summary(rq(NAS_DELAY ~SEASON1TO4+SEASON2TO4+SEASON3TO4,tau=c(0.1,0.2,0.3,0.4,0.5),data=fddata))
Error in base::backsolve(r, x, k = k, upper.tri = upper.tri, transpose = transpose,  :   singular matrix in 'backsolve'. First zero in diagonal [1]"
In addition: Warning messages:
1: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
2: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
3: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
4: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
5: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
6: In summary.rq(xi, ...) : 188771 non-positive fis

我做错了什么？

【问题讨论】：

标签： r quantile quantreg

【解决方案1】：

由于数据集中的构造因子，矩阵组成是奇异的。

查看奇点的解释：here、here 和 here。 quantreg 本质上依赖于对数据矩阵求逆，并且由于因子的形式，矩阵是不可逆的。

如果您有足够的数据/如果它对您的数据有意义，那么thread 指出了一些可能的解决方案（如果适合您的数据）。

【讨论】：

【解决方案2】：

我只遇到了部分相同的问题，但这可能仍然对某人有所帮助。我试过了：

myFactor <- as.factor(myData$myVariable)
myDummies = model.matrix(~myFactor)
summary.rq(q <- rq(myTarget ~ myOtherPredictor1+myOtherPredictor2+myDummies))

这导致 Error in rq.fit.br(x, y, tau = tau, ...) : Singular design matrix

但是，执行
summary.rq(q <- rq(myTarget ~ myOtherPredictor1+myOtherPredictor2+myFactor))

没有产生任何错误。当还有其他预测变量时，在调用 rq 之前转换为假人可能会出现问题。

【讨论】：