Quantiles via moments
通过矩估计分位数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：摘要明确研究回归分位数，并将含个体效应的面板数据列为主要应用场景。
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
通过矩估计分位数
- 研究问题
- 在什么条件下能通过估计条件均值得到回归分位数，从而将均值估计方法用于个体效应面板或含内生解释变量的分布分析？
- 方法与思路
- 作者提出由条件均值估计回归分位数的方法，给出有效推断的正则条件，并讨论个体效应面板与内生变量模型中的应用。
- 材料陈述的贡献
- 摘要称该方法为传统分位数估计困难的情形提供额外工具，报告估计量、推断条件、小型模拟及两个说明性应用。
- 阅读关注点
- 应核对条件均值与分位数之间的具体关系、必要模型限制、个体效应与内生性的处理方式，以及推断如何计入各步估计误差。
- 阅读边界
- 仅据所给出版社摘要，无法确定均值到分位数转换所需条件；作者将其定位为补充工具，并未主张替代传统分位数回归。
原文摘要
We study the conditions under which it is possible to estimate regression quantiles by estimating conditional means. The advantage of this approach is that it allows the use of methods that are only valid in the estimation of conditional means, while still providing information on how the regressors affect the entire conditional distribution. The methods we propose are not meant to replace the well-established quantile regression estimator, but provide an additional tool that can allow the estimation of regression quantiles in settings where otherwise that would be difficult or even impossible. We consider two settings in which our approach can be particularly useful: panel data models with individual effects and models with endogenous explanatory variables. Besides presenting the estimator and establishing the regularity conditions needed for valid inference, we perform a small simulation experiment, present two simple illustrative applications, and discuss possible extensions.