python分位数回归模型_Python中的分位数回归给出了与R不同的结果

Python中statsmodels包中的QuantReg使用如下代码中所示的数据，得到了与R中截然不同的结果。在

我分别用Python和R测试了STACKLOSS数据，结果是一样的。我想知道数据本身是否在Python中引起了一些问题，或者可能两种算法的实现有一些根本的区别，但却无法解决。在

Python代码：from statsmodels.regression.quantile_regression import QuantReg

y = [0.00, 0.00, 0.00, 0.00, 0.00, 0.00, 0.00, 0.00, 662.59, 248.08, 331.25, 182.98, 1085.69, -44.32]

X = [

[1, 20322.18, 0.00, 0], [1, 19653.34, 0.00, 0],

[ 1, 0.00, 72712.41, 0], [1, 0.00, 72407.31, 0],

[1, 0.00, 72407.31, 0], [1, 0.00, 72201.89, 9111],

[1, 183.52, 0.00, 0], [1, 183.52, 0.00, 0],

[1, 0.00, 0.00, 2879], [1, 0.00, 0.00, 2698],

[1, 0.00, 0.00, 0], [1, 0.00, 0.00, 0],

[1, 0.00, 0.00, 19358], [1, 0.00, 0.00, 19001]

]

print(QuantReg(y, X).fit(q=.5).summary())

在R中：

^{pr2}$

R给出了

1.829800e+02，-9.003955e-03，-2.527093e-03，-5.697678e-05

而Python给出了以下内容

3.339e-05，-1.671e-09，-4.635e-10，7.957e-11

欢迎任何输入或提示。在