分位數迴歸 - 維基百科，自由的百科全書

此條目需要擴充。 (2013年12月26日)
請協助改善這篇條目，更進一步的訊息可能會在討論頁或擴充請求中找到。請在擴充條目後將此模板移除。

迴歸分析
統計學系列條目

模型
線性迴歸簡單線性迴歸（英語：Simple linear regression）普通最小平方法（OLS）多項式迴歸一般線性模型
廣義線性模式離散選擇（英語：Discrete choice）對數機率迴歸多項羅吉特（英語：Multinomial logit）混合羅吉特波比（英語：Probit model）多項式波比（英語：Multinomial probit）排序性模型（英語：Ordered logit）有序波比（英語：Ordered probit）卜瓦松迴歸
等級線性模型固定效應（英語：Fixed effects model）隨機效應（英語：Random effects model）混合模型（英語：Mixed model）
非線性迴歸非母數半母數穩健分位數迴歸保序迴歸主成分最小角局部（英語：Local regression）分段
含誤差變量（英語：Errors-in-variables models）
估計
最小平方法普通最小平方法線性偏最小平方迴歸母體（英語：Total least squares）廣義加權非線性非負（英語：Non-negative least squares）重複再加權（英語：Iteratively reweighted least squares）脊迴歸（嶺迴歸） LASSO
最小絕對值導數法（英語：Least absolute deviations）貝葉斯（英語：Bayesian linear regression）貝葉斯多元（英語：Bayesian multivariate linear regression）
背景
迴歸模型檢定（英語：Regression model validation）平均響應和預測響應（英語：Mean and predicted response）誤差和殘差適合度學生化殘差（英語：Studentized residual）高斯-馬可夫定理
機率與統計主題
閱論編

分位數迴歸（英語：Quantile regression）是迴歸分析的方法之一。最早由Roger Koenker和Gilbert Bassett於1978年提出^[1]。

一般地，傳統的迴歸分析研究自變數與應變數的條件期望值之間的關係，相應得到的迴歸模型可由自變數的估計應變數的條件期望值；分位數迴歸研究自變數與應變數的條件分位數之間的關係，相應得到的迴歸模型可由自變數估計應變數的條件分位數。相較於傳統迴歸分析僅能得到應變數的中央趨勢，分量迴歸可以進一步推論應變數的條件機率分布。分量迴歸屬於無母數統計方法之一。

注釋[編輯]

^ 存档副本 (PDF). [2013-12-26]. （原始內容存檔 (PDF)於2013-12-27）.

這是一篇與統計學相關的小作品。你可以透過編輯或修訂擴充其內容。