NONSTANDARD QUANTILE-REGRESSION INFERENCE
分位数回归的非标准推断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。
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：摘要直接以分位数回归及其检验推断为研究对象。
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…
分位数回归的非标准推断
- 研究问题
- 分位数回归的 Wald 型推断能否绕开条件密度的一致估计？采用不一致尺度统计量后，如何处理依赖平滑参数的非标准极限分布？
- 方法与思路
- 作者用对目标条件密度显式不一致的尺度统计量进行学生化，分析检验统计量的非标准极限，并通过重抽样近似这些分布。
- 材料陈述的贡献
- 摘要称，这种推断路径可绕开构造条件密度估计的需要；极限分布显式依赖平滑参数及条件变量分布，并可用重抽样近似。
- 阅读关注点
- 应核对尺度统计量的定义、平滑参数的渐近处理、极限分布中的未知量，以及重抽样方案的有效性和对检验尺寸的影响。
- 阅读边界
- 仅据所给 Crossref 摘要，不能认定该方法普遍优于常规分位数推断；数据条件、平滑参数选择、有限样本结果及版本变化未说明。
原文摘要
It is well known that conventional Wald-type inference in the context of quantile regression is complicated by the need to construct estimates of the conditional densities of the response variables at the quantile of interest. This note explores the possibility of circumventing the need to construct conditional density estimates in this context with scale statistics that are explicitly inconsistent for the underlying conditional densities. This method of studentization leads conventional test statistics to have limiting distributions that are nonstandard but have the convenient feature of depending explicitly on the user’s choice of smoothing parameter. These limiting distributions depend on the distribution of the conditioning variables but can be straightforwardly approximated by resampling.