Measurement errors in quantile regression models
分位数回归模型中的测量误差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：摘要明确研究测量误差下的分位数回归，以及企业投资条件分布中的异质关系，因此归入分位数与分布效应。
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…
分位数回归模型中的测量误差
- 研究问题
- 解释变量存在测量误差且具有重复测量时，如何估计条件分位数关系，并考察企业投资对融资变量的异质敏感性？
- 方法与思路
- 作者提出半参数两步估计量，借助含无限维参数的 Z 估计理论建立渐近性质，并构造有效的 bootstrap 推断。
- 材料陈述的贡献
- 摘要称估计量一致且渐近正态；企业应用发现投资对 Tobin’s q 与现金流的敏感性随条件分布位置变化，低端现金流敏感性更高。
- 阅读关注点
- 应核对重复测量如何支持识别、测量误差与潜在变量的关系，以及两步估计误差如何进入标准误和 bootstrap。
- 阅读边界
- 所给出版社摘要未说明测量误差识别条件或效应数值；条件分位数中的敏感性差异不能直接解读为企业融资的因果效应。
原文摘要
This paper develops estimation and inference for quantile regression models with measurement errors. We propose an easily-implementable semiparametric two-step estimator when repeated measures for the covariates are available. Building on recent theory on Z-estimation with infinite-dimensional parameters, consistency and asymptotic normality of the proposed estimator are established. We also develop statistical inference procedures and show the validity of a bootstrap approach to implement the methods in practice. Monte Carlo simulations assess the finite-sample performance of the proposed methods. We apply the methods to the investment equation model using a firm-level data with repeated measures of investment demand, Tobin’s q. We document strong heterogeneity in the sensitivity of investment to Tobin’s q and cash flow across the conditional distribution of investment. The cash flow sensitivity is relatively larger at the lower part of the distribution, providing evidence that these firms are more exposed to and dependent on fluctuations in internal finance.