如何对分位数回归进行 n 次模拟答案

【问题标题】：How to make n simulations of quantile regression如何对分位数回归进行 n 次模拟
【发布时间】：2023-12-30 07:57:01
【问题描述】：

library(rqPen)
LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)

如何模拟这 N 次以获得 100 组结果？我有下面的代码，但是计算时间太长，我的电脑崩溃了。这是正确的吗？

for (i in 1:100){
beta[i] = LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)
}

我也尝试了以下方法，但是，当我使用 lapply 时，每个模拟的每个 beta 的值都完全相同...我想为 beta 的每一行设置不同的系数。

do.call(cbind, lapply(1:100, function(i) {
beta = LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)
  return(beta)}))

【问题讨论】：

【解决方案1】：

在for 循环之前，beta 是如何定义的？很可能，崩溃与将LASSO.fit 的输出存储在beta 中有关。由于LASSO.fit返回一个数组，所以beta应该定义为一个列表：

beta <- vector("list", length = ncol(X))
for (i in 1:100){
beta[[i]] = LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5)
}

使用lapply：

beta <- vector("list", length = ncol(X))
beta <- lapply(1:100 , function(z) LASSO.fit(Y,X, tau=0.5, lambda=0.1, intercept=FALSE, coef.cutoff=1e-5))

【讨论】：