Regression Rank Scores and Regression Quantiles
回归秩得分与回归分位数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：摘要明确研究回归分位数及其在异方差线性模型中的过程，直接对应分位数与分布效应方法方向。
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
回归秩得分与回归分位数
- 研究问题
- 回归分位数及其线性规划对偶解，如何把位置模型中次序统计量与秩的对偶关系推广到异方差线性回归？
- 方法与思路
- 作者将线性规划对偶解定义为回归秩得分，在异方差线性回归模型中研究回归分位数和秩得分过程，并据此构造估计量。
- 材料陈述的贡献
- 摘要称建立位置模型到线性模型的对偶推广，获得若干新估计量，并与既有估计量进行比较，未明确声称普遍占优。
- 阅读关注点
- 应核对原始与对偶问题的精确定义、秩得分解的处理方式，以及异方差条件、过程渐近性质和新估计量的比较标准。
- 阅读边界
- 索引摘要未注明稿件版本，未列出新估计量公式、正则条件或比较结果；不能据此断言其效率或稳健性优于所有既有方法。
原文摘要
We show that regression quantiles, which could be computed as solutions of a linear programming problem, and the solutions of the corresponding dual problem, which we call the regression rank-scores, generalize the duality of order statistics and of ranks from the location to the linear model. Noting this fact, we study the regression quantile and regression rank-score processes in the heteroscedastic linear regression model, obtaining some new estimators and interesting comparisons with existing estimators.