Квантильная регрессия: какие стандартные ошибки?

summary.rqФункция от quantreg виньетки предоставляет множество вариантов для стандартных оценок погрешности квантилей коэффициентов регрессии. Каковы специальные сценарии, когда каждый из них становится оптимальным / желательным?

• «ранг», который дает доверительные интервалы для оцененных параметров путем инвертирования теста ранга, как описано в Koenker (1994). Опция по умолчанию предполагает, что ошибки являются iid, а опция iid = FALSE реализует предложение Koenker Machado (1999). Смотрите документацию для rq.fit.br для дополнительных аргументов.

• «iid», который предполагает, что ошибки являются iid, и вычисляет оценку асимптотической ковариационной матрицы, как в KB (1978).

• «nid», который предполагает локальную (в тау) линейность (в x) условных функций квантиля и вычисляет сэндвич-оценку Хубера, используя локальную оценку разреженности.

• «ker», который использует оценку ядра сэндвича, предложенную Пауэллом (1990).

• «boot», который реализует одну из нескольких возможных альтернатив начальной загрузки для оценки стандартных ошибок.

Я прочитал, по крайней мере, 20 эмпирических статей, где это применяется либо во временном ряду, либо в измерении поперечного сечения, и не видел упоминаний о выборе стандартной ошибки.

Изучали ли вы статью Koenker and Hallock (2000): Квантильная регрессия: введение (econ.uiuc.edu/~roger/research/intro/rq.pdf)? Bootstrap предпочтительнее, потому что он не делает никаких предположений о распределении ответа (стр. 47, Quantile regressions, Hao and Naiman, 2007). Также обратите внимание, что «... предположения для асимптотической процедуры обычно не выполняются, и даже если эти предположения выполняются, сложно решить стандартную ошибку построенных сдвигов масштаба и асимметрии (стр. 43) .. «.