برای بررسی ارتباط دو متغير، معمولا رگرسيون حداقل مربعات(ols) به کارگرفته می شود. با رگرسيون حداقل مربعات ارتباط بين متغيرهای کمکی و ميانگين پاسخ شرطی را می توان برآورد کرد، اما اين روش مثل بسياری از روش های آماری دارای محدوديت هايی می باشند.
رگرسيون حداقل مربعات در صورت وجود داده های پرت يا برقرار نبودن فرض نرمال بودن داده ها، برای تخمين ارتباط بين متغير کمکی و متغير پاسخ اعتبار کافی نخواهد داشت.از طرفی رگرسيون حداقل مربعات تنها ارتباط بين متغيرهای کمکی و ميانگين پاسخ را بررسی می کند، درحالی که در بسياری موارد هدف پيدا کردن ارتباط بين متغيرهای کمکی با ساير بخشهای توزيع به ويژه چندک های انتهايی توزيع می باشد. اين رگرسيون نيازي به نرمال بودن داده ها ندارد و نسبت به داده هاي پرت حساس نيست همچنين تاثیر متغیرهای مستقل روی مکان ومقیاس و شکل توزیع را نشان می دهد. در حاليکه رگرسيون OLS تاثير متغير مستقل را فقط روي مکان نشان مي دهد.
رگرسيون کوانتيل به ما اجازه مي دهد رابطه بين متغيرهاي مستقل و وابسته را در هر قسمت( چندک هاي متفاوت) توزيع متغير وابسته بررسي کنيم.اين نوع رگرسيون ابزاري نيمه پارامتريک است و اين نوع رگرسيون براي کار با داده هايي که ناهمساني واريانس دارند کاربرد دارد.
براي دانلود به ادمه مطلب رجوع كنين
نظرات