Nonparametric Instrumental Variables Estimation of a Quantile Regression Model
分位数回归模型的非参数工具变量估计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：摘要以给定工具变量时误差的指定分位数为零来识别回归函数，核心估计对象与分位数限制直接相关，因此归入分位数方向。
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
分位数回归模型的非参数工具变量估计
- 研究问题
- 在工具变量条件下将回归误差的指定分位数设为零，如何识别并非参数估计回归函数，特别是如何应对由此产生的病态逆问题？
- 方法与思路
- 作者将分位数条件转化为第一类非线性积分方程，并非参数估计未知积分算子及工具变量分布；摘要未说明具体正则化与调参方案。
- 材料陈述的贡献
- 摘要称估计量具有均方一致性，并给出概率收敛速度及达到 minimax 最优速度的条件；蒙特卡洛实验显示有限样本表现良好。
- 阅读关注点
- 应核对识别与逆问题可解性的条件、正则化方法及调参规则，并查明收敛速度对应的函数类、误差度量和模拟设计。
- 阅读边界
- 摘要未给出收敛速度的具体形式、最优性的函数类和模拟数值；有限样本表现良好是作者报告，不能据此判断不同设计下的稳健性。
原文摘要
We consider nonparametric estimation of a regression function that is identified by requiring a specified quantile of the regression “error” conditional on an instrumental variable to be zero. The resulting estimating equation is a nonlinear integral equation of the first kind, which generates an ill-posed inverse problem. The integral operator and distribution of the instrumental variable are unknown and must be estimated nonparametrically. We show that the estimator is mean-square consistent, derive its rate of convergence in probability, and give conditions under which this rate is optimal in a minimax sense. The results of Monte Carlo experiments show that the estimator behaves well in finite samples.