Quantile Association Regression Models
分位数关联回归模型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：摘要直接研究边际分位数及分位数条件关联，对应分位数与分布方法。
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
分位数关联回归模型
- 研究问题
- 如何在协变量条件下刻画两个连续变量的分位数关联，并同时区分协变量对边际分位数和变量间关联的影响？
- 方法与思路
- 作者提出分位数关联回归框架，通过分位数联结函数模型同时描述两变量的边际分位数及其条件关联结构。
- 材料陈述的贡献
- 摘要称，估计量关于分位数指标一致收敛并具有过程弱收敛性质，且提供简单方差估计、模拟研究和实际数据示例。
- 阅读关注点
- 应核对分位数关联的定义与解释、边际模型和关联模型的兼容性，以及过程收敛条件和方差估计的适用范围。
- 阅读边界
- 摘要未列明模型识别与收敛所需条件，关联也不直接构成因果效应。所据索引摘要版本未注明，刊本变化未知。
原文摘要
It is often important to study the association between two continuous variables. In this work, we propose a novel regression framework for assessing conditional associations on quantiles. We develop general methodology which permits covariate effects on both the marginal quantile models for the two variables and their quantile associations. The proposed quantile copula models have straightforward interpretation, facilitating a comprehensive view of association structure which is much richer than that based on standard product moment and rank correlations. We show that the resulting estimators are uniformly consistent and weakly convergent as a process of the quantile index. Simple variance estimators are presented which perform well in numerical studies. Extensive simulations and a real data example demonstrate the practical utility of the methodology. Supplementary materials for this article are available online.