Sobre interpretación de los resultados de la regresión del quantile

Question

Después de la aplicación de los cuantiles de regresión con t=0.5,0.6 en el conjunto de datos de glóbulos blancos( Wisconsin Cáncer de Mama)con 678 observaciones y 9 independiente variables($inp_1,inp_2,...inp_9$) y 1 de la variable dependiente(op) tengo la siguientes resultados para los valores beta.

| t         |  0.5          |  0.6      |
| b1        |  0.002641     |  0        | 
| b2        |  0.045746     |  0.01     | 
| b3        |  0.005282     |  0        | 
| b4        |  0.004397     | -0.002    | 
| b5        |  0.002641     |  0.004    | 
| b6        |  0.065807     |  0.1111   | 
| b7        |  0.005282     |  0.002    | 
| b8        |  0.031394     |  0        | 
| b9        |  0.004993     |  0        | 
| intercept | -0.181388     | -0.009    | 

Cómo interpretar los anteriores coeficientes beta y qué significan exactamente?.

• t=0,5 significa que estamos considerando en primer lugar el 50% del total de datos?
• t=0,6 significa que estamos considerando los primeros 60% del total de datos?

podemos escribir una ecuación como

$y=intercept+\sum_{i=1}^{9}b_i*inp_i$ como en la Regresión Lineal para calcular la predicción de la salida de sí o no?

Si hemos de tomar en consideración 5 de cuantiles de los datos ,Qué significa que estamos dividiendo los datos en 5 partes??las variables que tengo que considerar si los datos se divide en 5 partes?

y

Tengo 5 ecuaciones para el 5 de cuantiles, ¿qué es exactamente lo que cada ecuación representa? Puedo escribir una sola ecuación para el conjunto de datos como en la media de regresión mediante la combinación de las 5 ecuaciones de cada uno de los cuantiles ?

Answer 1

Se pueden interpretar los resultados de la regresión cuantil de una manera muy similar a la regresión por MCO, excepto que, en lugar de la predicción de la media de la variable dependiente, los cuantiles de regresión se ve en los cuantiles de la variable dependiente. Por la elección de .5 y .6, usted está utilizando los percentiles 50 y 60.

Escribí acerca de los cuantiles de la regresión en mi blog aquí. También hice una presentación sobre ella, los cuantiles de regresión usando PROC QUANTREG en SAS.