← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9630.y · 生成模型:DeepSeek-V4.1-Flash

恩格尔数据的分位回归

理解等级:中级

恩格尔数据在 quantreg 包中,记录 235 户比利时工薪阶层的收入 income 与食品支出 foodexp。先 boxplot 与 plot 看分布:两者都右偏且明显正相关。用 rq(foodexp~income, tau=1:49⁄50) 一次拟合 50 个分位点,summary 后 plot 可看截距与斜率随 τ 的变化;再用循环把 τ=0.15、0.25、0.5、0.75、0.95、0.99 的拟合线叠在散点上。原始尺度下点较分散,取 log10 后分位线能较准确覆盖实际值且波动更小。最后用 tau=-1 让 rq 输出最细的分位网格,取收入 5% 与 95% 分位点分别代表穷人与富人,对各 τ 的预测值做核密度估计:穷人食品支出集中在 300 左右、分布陡峭,富人在 1 000~1 400 之间、更分散。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第2章 线性回归方法 · 查看原书依据

      该数据在程序包quantreg中,是一个关于比利时工薪阶层收入和食品花费的例子,数据名为engel。这里有两个变量foodexp(食品花费)和income(收入),共235个观测。

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第2章 线性回归方法(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter4_0005.xhtml,2.5.2 恩格尔数据) - 结论依据:原文给出数据来源、样本量与变量、50 个分位点的拟合、对数变换的改进,以及穷人与富人预测值的核密度对比。 - 原始内容:该数据在程序包quantreg中,是一个关于比利时工薪阶层收入和食品花费的例子,数据名为engel。这里有两个变量foodexp(食品花费)和income(收入),共235个观测。