我想找到一些執行分位數回歸的混合效應模型的解決方案。
在我的Google搜索中，我找不到這種程序的R實現（僅警告“ 這不適合膽小的人“）。
我想解決一個簡單的情況，我們有一個x一個y和一個“主題”變量。
對此有何建議？
最近， lqmm軟件包“線性分位數混合模型”已上傳到CRAN。儘管我從未使用過它，但是lqmm軟件包似乎可以滿足您的要求。
useR的此演示文稿！ 2011年會議展示了該軟件包的一些示例。這是從useR中獲取的軟件包的說明！ 2011年會議摘要：
有條件分位數回歸（QR）涉及作為一組協變量和固定回歸係數向量的函數的結果未知分位數的估計。在過去的幾年中，為擴展獨立數據的QR功能以處理聚類抽樣設計（例如重複測量）的需求導致了幾種非常不同的方法。在這裡，我考慮基於可能性的方法，該方法取決於與條件QR模型相關的加權L₁範數問題和不對稱Laplace分佈之間的嚴格關係（Geraci和Bottai，2007）。
，我將說明如何使用R包lqmm對兩級嵌套模型執行具有混合（固定和隨機）效果的QR。固定回歸係數和隨機效應協方差矩陣的估計是基於高斯正交近似和優化算法的組合。前者包括Gauss-Hermite和Gauss-Laguerre正交，分別用於正態和雙指數（即對稱拉普拉斯）隨機效應；後者包括改進的指南針搜索算法和通用優化器（優化和優化）。建模和推論性問題在Geraci和Bottai（2011）中有詳細介紹（可應要求提供初步草案）。該軟件包還提供了針對獨立數據的命令。
一個人可以回答您問題的程度取決於您所考慮的學習類型。 Roger Koenker在縱向或面板數據的分位數回歸上做了一些工作。可從Roger的網站獲得一些細節，論文和早期的R代碼集。在本文中，使用了quantreg軟件包中的 qrss（），使用套索罰分縮小了固定效果。
我已經將一個名為qrLMM的軟件包上載到CRAN，可在此處
http://cran.r-project.org/web/packages/qrLMM/index.html
可以完全滿足您的要求，並且在即將提交的論文中，我們證明與Geraci的lqmm軟件包相比，在所有情況下我們都能獲得更好的估算值（較低的Bies和標準誤）。 2014）。我希望它將對將來的研究有用。