没有常量的简单回归中的 quantreg lm.recursive.fit

Question

我尝试使用 R 的 quantreg 包中的函数 lm.fit.recursive 为没有常量的简单回归构造递归残差。

下面是一个无效方法的最小示例：

# some data
n <- 20
z <- rnorm(n)
x <- rnorm(n)
x.mat <- matrix(rnorm(2*n),ncol=2)

lm.fit.recursive(x, z, int=T) # works WITH intercept with one regressor
lm.fit.recursive(x.mat, z, int=F) # works WITHOUT intercept with two regressors
lm.fit.recursive(x, z, int=F) # what I actually want but which returns Error in 1:p : argument of length 0

我的直觉是错误与回归矩阵有关，在这种情况下不是矩阵而是向量，这导致 R 以不同方式对待这个变量。

是这样吗，还是我使用的函数不正确？

Answer 1

的确如此，

> lm.fit.recursive
function (X, y, int = TRUE) 
{
    if (int) 
        X <- cbind(1, X)
    p <- ncol(X)
    n <- nrow(X)
    D <- qr(X[1:p, ])
    ...
}

所以ncol(x)=0为一个向量。因此，

lm.fit.recursive(as.matrix(x,ncol=1), z, int=F)

提供解决方法。

没有常量的简单回归中的 quantreg lm.recursive.fit

quantreg lm.recursive.fit in simple regression without constant

regression

r