Ich möchte 95% -Konfidenzintervalle für die Regressionskoeffizienten einer Quantilregression erhalten. Sie können Quantil-Regressionen mit dem @ berechnerq Funktion desquantreg Paket in R (im Vergleich zu einem OLS-Modell):

library(quantreg)
LM<-lm(mpg~disp, data = mtcars)
QR<-rq(mpg~disp, data = mtcars, tau=0.5)

Mit der Confint-Funktion kann ich 95% -Konfidenzintervalle für das lineare Modell ermitteln:

confint(LM)

Wenn ich die Quantile-Regression verwende, verstehe ich, dass der folgende Code Bootstrapped-Standardfehler erzeugt:

summary.rq(QR,se="boot")

Aber eigentlich möchte ich so etwas wie 95% Konfidenzintervalle. Das heißt, etwas zu interpretieren wie: "Mit einer Wahrscheinlichkeit von 95% enthält das Intervall [...] den wahren Koeffizienten". Wenn ich Standardfehler mit summary.lm () berechne, multipliziere ich SE * 1.96 und erhalte ähnliche Ergebnisse wie mit confint (). Dies ist jedoch mit Bootstrapped-Standardfehlern nicht möglich. Meine Frage ist also, wie man 95% -Konfidenzintervalle für Quantilregressionskoeffizienten erhäl