Estimation and Inference for the $τ$-Quantile of Individual Heterogeneous Coefficient
个体异质系数 τ 分位数的估计与推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以面板数据中的个体斜率为对象，研究其横截面分布的分位数，而非仅研究结果变量的条件分位数。
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…
个体异质系数 τ 分位数的估计与推断
- 研究问题
- 如何在面板数据中估计个体特定斜率横截面分布的 τ 分位数，并区分这一目标与通常针对结果变量的分位数回归？
- 方法与思路
- 作者分别在随机设计和确定性设计下建立估计与渐近理论，并提出两种对应的 bootstrap 程序用于实际推断。
- 材料陈述的贡献
- 摘要称，两类设计的收敛率分别为 √N 和 √(N√T)，并证明 bootstrap 有效，所需样本量增长条件较固定效应分位数回归弱。
- 阅读关注点
- 应核对两类设计的定义、个体斜率的估计误差如何进入分位数推断，以及收敛率和样本量条件比较的具体前提。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未列出增长条件，不能将所述优势推广到任意面板设计。
原文摘要
This paper proposes estimation and inference procedures for quantiles of the heterogeneous individual-specific coefficients in panel data. Unlike conventional panel quantile regression, which focuses on outcome heterogeneity, our approach targets the $τ$-quantile of the cross-sectional distribution of individual-specific slopes. We establish the asymptotic theory under both stochastic and deterministic designs, with convergence rates $\sqrt{N}$ and $\sqrt{N\sqrt{T}}$, respectively. We also develop two corresponding bootstrap procedures for practical inference, and formally establish their validity. The suggested methods are of practical interest since they require weaker sample size growth conditions than standard fixed-effect quantile regression, and accommodate large $N$ settings. Numerical simulations and an empirical application illustrate the empirical effectiveness of the methods under both designs.