分位数回归+虚拟变量

Question

我使用quantregR 中的包来计算分位数回归模型。在模型中，因变量（Y）为NAS_DELAY，自变量（Xs）为SEANSON1TO4、SEANSON2TO4、SEANSON3TO4。
模型是：

NAS_DELAY=aSEANSON1TO4+bSEANSON2TO4+cSEANSON3TO4+d

的SEANSON1TO4，SEANSON2TO4，SEANSON3TO4是虚拟变量，0或1。我用R计算表明，截距和其它回归系数，但结果

“rq.fit.br(x,y,tau=tau,....) 单一设计矩阵中的错误；此外：警告消息 1:in summary.rq(xi,....):278951 non-positivr菲斯”。

我不明白为什么。

"fit2<-summary(rq(NAS_DELAY ~SEASON1TO4+SEASON2TO4+SEASON3TO4,tau=c(0.1,0.2,0.3,0.4,0.5),data=fddata))
Error in base::backsolve(r, x, k = k, upper.tri = upper.tri, transpose = transpose,  :   singular matrix in 'backsolve'. First zero in diagonal [1]"
In addition: Warning messages:
1: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
2: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
3: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
4: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
5: In rq.fit.br(x, y, tau = tau, ...) : Solution may be nonunique
6: In summary.rq(xi, ...) : 188771 non-positive fis

我究竟做错了什么？

Answer 1

由于数据集中的构造因素，矩阵组成是奇异的。

请参阅奇点的解释：这里、这里和这里。本质上 quantreg 依赖于数据矩阵的求逆，并且由于因子的形式，矩阵是不可逆的。

如果您有足够的数据/如果它对您的数据有意义，则此线程指出一些可能的解决方案（如果适合您的数据）。