Peter Flom miał świetną i zwięzłą odpowiedź, chcę ją tylko rozszerzyć. Najważniejszą częścią pytania jest to, jak zdefiniować „gorsze”.
Aby zdefiniować gorzej, musimy mieć pewne mierniki, a funkcję do obliczenia, jak dobre lub złe dopasowanie nazywamy funkcjami utraty.
Możemy mieć różne definicje funkcji straty, a każda definicja nie ma żadnego dobrego ani złego, ale inna definicja zaspokaja różne potrzeby. Dwie dobrze znane funkcje straty to utrata do kwadratu i utrata wartości bezwzględnej.
L.s q( y, y^) = ∑ja( yja- y^ja)2)
L.a b s( y, y^) = ∑ja| yja- y^ja|
Jeśli wykorzystamy kwadratową stratę jako miarę sukcesu, regresja kwantyli będzie gorsza niż OLS. Z drugiej strony, jeśli zastosujemy bezwzględną utratę wartości, regresja kwantowa będzie lepsza.
Oto odpowiedź Petera Folma:
Jeśli jesteś zainteresowany średnią, użyj OLS, jeśli w medianie, użyj kwantylu.