แนวคิดพื้นฐานของการถดถอยเชิงปริมาณมาจากข้อเท็จจริงที่นักวิเคราะห์สนใจในการกระจายข้อมูลแทนที่จะเป็นเพียงข้อมูล ให้เริ่มต้นด้วยค่าเฉลี่ย
Y= XβE( Y| X= x ) = x βหาเรื่องนาทีβ( y- x β)'( y- Xβ)นาที
ในทางกลับกันค่ามัธยฐานถดถอยจะมองหาเส้นที่คาดว่าข้อมูลครึ่งหนึ่งอยู่ด้านข้าง ในกรณีนี้ฟังก์ชันเป้าหมายคือที่ไหนเป็นบรรทัดฐานแรก| . |หาเรื่องนาทีβ| Y- Xβ|| . |
การขยายแนวคิดของค่ามัธยฐานสู่ผลควอนตัมในการถดถอยแบบเชิงปริมาณ แนวคิดที่อยู่เบื้องหลังคือการค้นหาบรรทัดที่ -percent ของข้อมูลอยู่นอกเหนือจากนั้นα
ที่นี่คุณทำผิดพลาดเล็กน้อยการถดถอย Q ไม่เหมือนกับการค้นหาข้อมูลจำนวนมากจากนั้นใส่เส้นตรงกับชุดย่อยนั้น (หรือแม้แต่เส้นขอบที่ท้าทายยิ่งกว่า)
Q-regression มองหาบรรทัดที่แบ่งข้อมูลออกเป็น qroup a quantile และส่วนที่เหลือ ฟังก์ชั่นเป้าหมายโดยบอกว่าฟังก์ชั่นตรวจสอบของ Q-regression คือ
βอัลฟ่า = หาเรื่องนาทีβ {อัลฟ่า| y - X β | I ( y > X β ) + ( 1 - α ) | y - X β | ฉัน( Y < X β ) }α
β^α=argminβ{α|y−Xβ|I(y>Xβ)+(1−α)|y−Xβ|I(y<Xβ)}.
ในขณะที่คุณเห็นว่าฟังก์ชั่นเป้าหมายที่ฉลาดนี้ไม่มีอะไรมากไปกว่าที่จะแปลงควิไทล์เป็นปัญหาการเพิ่มประสิทธิภาพ
ยิ่งไปกว่านั้นอย่างที่คุณเห็น Q-regression ถูกกำหนดสำหรับปริมาณที่แน่นอน ( ) จากนั้นสามารถขยายเพื่อค้นหาปริมาณทั้งหมดได้ กล่าวอีกนัยหนึ่งการถดถอย Q- สามารถทำซ้ำการกระจายการตอบสนอง (เงื่อนไข)βα