Интервалдар менен болжау үчүн квантилдик регрессия деген эмне?

Квантиль регрессия — бул регрессиянын бир ыкмасы, ал аркылуу максаттуу өзгөрмөнүн орточо маанисин гана эмес, анын бөлүштүрүлүшүнүн ар түрдүү квантилдерин да баалоого болот. Интервалдуу болжау контекстинде (мисалы, убакыт катарлары) квантиль регрессия моделдин белгисиздигин чагылдырган интервалдуу болжауларды алууга жардам берет.

Жалгыз бир чекит маанисин (мисалы, орточо) болжогонго караганда, модел, мисалы, 5-чи жана 95-чи пайыздарды болжоп, 90% ишеним интервалын түзөт.

Бул финансылык же суроо-талапты болжауу сыяктуу милдеттер үчүн өзгөчө пайдалуу, анткени ал мүмкүн болгон маанилердин диапазонун түшүнүүгө жардам берет.

Pythonдеги statsmodels китепканасы менен квантиль регрессиянын мисалы:

import statsmodels.api as sm
import numpy as np

# X — өзгөчөлүктөр, y — максаттуу өзгөрмө
X = sm.add_constant(X)  # туруктуулукту кошуу
квантильдер = [0.05, 0.5, 0.95]
моделдер = {}
for q in квантильдер:
    мод = sm.QuantReg(y, X)
    рез = мод.fit(q=q)
    моделдер[q] = рез

# Азыр ар түрдүү квантильдер үчүн болжау алууга болот