Regresion Cuantilica
Regresion Cuantilica
En los modelos de regresión, los errores se asumen como una sucesión de variables
aleatorias independientes e idénticamente distribuidas con media cero. Generalmente la
distribución que se asume es la normal. Sin embargo, no siempre se cumple el supuesto
de normalidad ya que la distribución puede ser asimétrica. Koenker & Bassett (1978)
introducen el concepto de regresión cuantílica (RC) como una solución a dichos
problemas y demuestran que los estimadores por cuantiles son más eficientes que el
estimador máximo verosímil de muchos modelos para métricos convencionales.
Una forma alternativa de expresar la definición de los cuantiles que es además una
primera aproximación al método de estimación de la regresión cuantílica, viene dada
por la siguiente expresión:
Siendo Ɵ el cuantil (0,10 para el primer decil, 0,25 para el primer cuartil, 0,50 para la
mediana, etc.), Ɵ los distintos valores que toman las observaciones de la muestra para la
variable ƴ y þ el valor que minimiza la expresión. Se puede demostrar fácilmente que el
valor þ que minimiza la expresión anterior es el de la observación que deja una
proporción Ɵ de la muestra por debajo y una proporción (1-Ɵ) por encima, siendo Ɵ,
por tanto, un valor entre 0 y 1 correspondiente al cuantil que se quiere estimar.
VENTAJAS