Backfitting and smooth backfitting for additive quantile models
加性分位数模型的回拟合与平滑回拟合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：摘要直接研究加性分位数回归及其估计方法，对应分位数与分布方向。
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…
加性分位数模型的回拟合与平滑回拟合
- 研究问题
- 普通回拟合和平滑回拟合如何用于加性分位数模型，它们的渐近性质能否通过与加性均值回归的联系来理解？
- 方法与思路
- 作者研究两种分位数回拟合估计，将其与专门构造的加性均值回归模型中相应分量的回拟合估计进行渐近比较。
- 材料陈述的贡献
- 摘要称两类分位数估计与相应均值模型估计渐近等价，由此连接其理论性质，并对两种方法的有限样本表现进行评估。
- 阅读关注点
- 阅读全文时应核对专门均值模型的构造、渐近等价的尺度与条件、平滑和带宽选择，以及两种算法的有限样本比较。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；未说明完整假设或比较数值，不能据此认定两种方法在有限样本中等价或孰优。
原文摘要
In this paper, we study the ordinary backfitting and smooth backfitting as methods of fitting additive quantile models. We show that these backfitting quantile estimators are asymptotically equivalent to the corresponding backfitting estimators of the additive components in a specially-designed additive mean regression model. This implies that the theoretical properties of the backfitting quantile estimators are not unlike those of backfitting mean regression estimators. We also assess the finite sample properties of the two backfitting quantile estimators.