Asymptotic inference for the constrained quantile regression process
受约束分位数回归过程的渐近推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究跨条件分位水平的分位数回归估计与检验过程。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
受约束分位数回归过程的渐近推断
- 研究问题
- 当线性分位数回归参数位于参数空间边界时，估计量在多个分位点上的联合渐近行为如何影响检验与推断？
- 方法与思路
- 作者将估计过程表示为按分位水平参数化的一族约束优化问题，统一刻画原始解与对偶回归秩得分过程的渐近行为。
- 材料陈述的贡献
- 摘要称得到受约束估计过程及秩得分过程的一致刻画，并据此推导边界原假设下准似然比、Wald 与秩得分检验过程的行为。
- 阅读关注点
- 应核对参数约束的几何性质、分位区间与一致收敛条件，以及边界如何改变各检验过程的极限分布和临界值计算。
- 阅读边界
- 仅据所给出版社摘要，无法确定允许的约束类型、具体极限分布或实现方案；也未说明检验的有限样本表现。
原文摘要
I investigate the asymptotic distribution of linear quantile regression coefficient estimates when the parameter lies on the boundary of the parameter space. In order to allow for inferences made across many conditional quantiles, I provide a uniform characterization of constrained quantile regression estimates as a stochastic process over an interval of quantile levels. To do this I pose the process of estimates as solutions to a parameterized family of constrained optimization problems, parameterized by quantile level. A uniform characterization of the dual solution to these problems – the so-called regression rankscore process – is also derived, which can be used for score-type inference in quantile regression. The asymptotic behavior of quasi-likelihood ratio, Wald and regression rankscore processes for inference when the null hypothesis asserts that the parameters lie on a boundary follows from the features of the constrained solutions.