在quantreg包中滥用predict.rq？

Question

我正在使用quantreg包根据训练集来预测新数据。然而，我注意到predict.rq或predict与手动操作之间存在差异。下面是一个示例：

分位数回归设置为

N = 10000
   tauList = seq(1:11/12)/12
   y = rchisq(N,2)
   X = matrix( rnorm(3*N)  ,nrow = N, ncol = 3 )
   fit <- rq( y ~ X-1, tau = tauList, method = "fn")

我想要预测的新数据集是

newdata <- matrix( rbeta((3*N),2,2)    ,nrow = N,ncol=3 )

我使用predict.rq或predict来预测新数据。两者返回相同的结果：

fit_use_predict <- predict.rq( fit, newdata = as.data.frame(newdata) )

此外，我还根据系数矩阵手动进行预测：

coef_mat <- coef(fit)
fit_use_multiplication <- newdata %*% coef_mat

我认为两者在数字上是相同的，但它们不是：

diff <- fit_use_predict - fit_use_multiplication
print(diff)

它们的区别是不可忽略的。

然而，预测原始数据集X两者都返回相同的结果，即，

predict(fit, newdata = data.frame(X)) = X %*% coef_mat  ## True

在使用函数时，我是否遗漏了什么？谢谢!

Answer 1

在我们进行预测之前，这里有一个更严重的问题，即模型强制所有拟合的分位数函数通过设计空间的原点，并且由于协变量位于原点的中心，所有分位数函数都被迫穿过原点。即使X都位于正正方中，也可以说响应的分布在原点是退化的。

Answer 2

我认为你只需要在你的数据中保留'X‘的名字，就像在训练数据中一样。

library(quantreg)
N = 10000
tauList = seq(1:11/12)/12
y = rchisq(N,2)
X = matrix( rnorm(3*N)  ,nrow = N, ncol = 3 )
fit <- rq( y ~ X-1, tau = tauList, method = "fn")

newdata <- matrix( rbeta((3*N),2,2)    ,nrow = N,ncol=3 )
fit_use_predict <- predict.rq( fit, newdata = data.frame(X=I(newdata)) )

coef_mat <- coef(fit)
fit_use_multiplication <- newdata %*% coef_mat
diff <- fit_use_predict - fit_use_multiplication

max( abs(diff) )

输出为0