Unified Unconditional Regression for Multivariate Quantiles, M-Quantiles, and Expectiles
多元分位数、M分位数与期望分位数的统一无条件回归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：摘要明确以多元无条件分位数及相关分布位置指标为回归对象，直接对应分位数与分布效应方向。
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…
多元分位数、M分位数与期望分位数的统一无条件回归
- 研究问题
- 如何用统一回归框架描述协变量变化对多元结果无条件分布的影响，同时覆盖分位数、M分位数和期望分位数？
- 方法与思路
- 作者利用多维 Huber 函数定义统一方法，将再中心化影响函数对解释变量做均值回归，并提出调节常数的数据驱动选择程序。
- 材料陈述的贡献
- 摘要称，方法扩展无条件分布回归至多元结果，给出估计程序及渐近性质，并通过模拟和意大利家庭收入财富调查展示应用。
- 阅读关注点
- 应核对多元分位对象的定义、影响函数推导与正则条件，以及回归系数如何解释为分布变化，并检查调节常数选择的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体分位定义、渐近条件和应用数值未提供，不能直接把回归关系解释为因果效应。
原文摘要
In this article, we develop a unified regression approach to model unconditional quantiles, M-quantiles and expectiles of multivariate dependent variables exploiting the multidimensional Huber’s function. To assess the impact of changes in the covariates across the entire unconditional distribution of the responses, we extend the work of Firpo, Fortin, and Lemieux by running a mean regression of the recentered influence function on the explanatory variables. We discuss the estimation procedure and establish the asymptotic properties of the derived estimators. A data-driven procedure is also presented to select the tuning constant of the Huber’s function. The validity of the proposed methodology is explored with simulation studies and through an application using the Survey of Household Income and Wealth 2016 conducted by the Bank of Italy. Supplementary materials for this article are available online.