Unconditional quantile partial effects via conditional quantile regression
通过条件分位数回归估计无条件分位数偏效应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：摘要核心是条件与无条件分位数效应之间的识别关系及两步估计，直接属于分位数与分布效应，未明确提供因果识别依据。
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…
通过条件分位数回归估计无条件分位数偏效应
- 研究问题
- 如何利用条件分位数回归系数识别并估计连续协变量的无条件分位数偏效应，条件与无条件效应之间存在怎样的加权关系？
- 方法与思路
- 作者将无条件效应表示为特定条件分位点效应的加权平均，先估计结构分位数回归，再对第一步系数作非参数回归。
- 材料陈述的贡献
- 摘要称，提出半参数两步估计并建立一致性与渐近正态性；模拟显示对带宽和核选择较稳健，并以食品支出占比的恩格尔曲线示范。
- 阅读关注点
- 应核对连续协变量下识别公式的条件、分位点和权重的确定方式，以及第一步误差、带宽选择与结构分位数模型假设。
- 阅读边界
- 仅据所给出版社摘要；识别假设与平滑条件未说明，不能将公式直接用于离散协变量，也不能仅凭偏效应名称赋予因果解释。
原文摘要
This paper develops a semi-parametric procedure for estimation of unconditional quantile partial effects using quantile regression coefficients. The estimator is based on an identification result showing that, for continuous covariates, unconditional quantile effects are a weighted average of conditional ones at particular quantile levels that depend on the covariates. We propose a two-step estimator for the unconditional effects where in the first step one estimates a structural quantile regression model, and in the second step a nonparametric regression is applied to the first step coefficients. We establish the asymptotic properties of the estimator, say consistency and asymptotic normality. Monte Carlo simulations show numerical evidence that the estimator has very good finite sample performance and is robust to the selection of bandwidth and kernel. To illustrate the proposed method, we study the canonical application of the Engel’s curve, i.e. food expenditures as a share of income.