A direct approach to inference in nonparametric and semiparametric quantile models
非参数与半参数分位数模型推断的直接方法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：摘要围绕条件分位数的置信区间与函数置信带展开，明确对应分位数与分布推断方向，未给出其他领域应用依据。
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
非参数与半参数分位数模型推断的直接方法
- 研究问题
- 在非参数和半参数分位数模型中，如何不估计条件密度就构造条件分位数置信区间，以及覆盖一段协变量取值的置信带？
- 方法与思路
- 作者采用直接推断方法，以原始条件分位数过程满足特定弱收敛为前提，构造通用置信区间与置信带，并用多个估计例子展示。
- 材料陈述的贡献
- 摘要称该方法避免条件密度估计，在满足分位数过程弱收敛条件时具有渐近有效性，并以不同模型示例和模拟展示其灵活性。
- 阅读关注点
- 应核对直接方法的具体构造、所需弱收敛形式、区间与置信带的覆盖目标，以及各示例如何满足理论条件并选择调节参数。
- 阅读边界
- 仅据所给出版社摘要，通用性仍以特定弱收敛成立为前提；具体条件、有限样本覆盖误差及模拟优势幅度均未说明。
原文摘要
We construct a generic confidence interval for a conditional quantile via the direct approach. It avoids estimating the conditional density function of the dependent variable given the covariate and is asymptotically valid for any conditional quantile, any conditional quantile estimator, and any data structure, provided that certain weak convergence of the conditional quantile process holds for the original quantile estimator. We also construct a generic confidence band for the conditional quantile function across a range of covariate values. By using Yang–Stute estimator and two semiparametric quantile functions, we demonstrate the flexibility and simplicity of the direct approach. The advantages of our new confidence intervals are borne out in a simulation study.