Parametric Modeling of Quantile Regression Coefficient Functions With Longitudinal Data
纵向数据分位数回归系数函数的参数化建模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：摘要明确研究纵向数据、个体效应及分位数函数，直接对应面板数据和分位数与分布效应方向。
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…
纵向数据分位数回归系数函数的参数化建模
- 研究问题
- 作者研究如何将分位数回归系数建模为分位水平的参数函数，并在纵向数据中同时描述个体内响应与个体效应的分布。
- 方法与思路
- 作者设置两层分位数函数，分别建模条件响应分布和个体效应分布，并提出一种新的惩罚固定效应估计方法。
- 材料陈述的贡献
- 摘要称给出识别条件、渐近性质、拟合优度及模型选择准则，并以模拟和应用说明方法，相关程序已实现于 qrcm 包。
- 阅读关注点
- 应核对两层分位数模型的识别条件、惩罚形式、纵向渐近框架，以及相较常见惩罚方法的优势依赖哪些具体设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；系数函数形式、分位数交叉处理和个体效应限制未说明，优势不能推广至所有面板。
原文摘要
In ordinary quantile regression, quantiles of different order are estimated one at a time. An alternative approach, which is referred to as quantile regression coefficients modeling (qrcm), is to model quantile regression coefficients as parametric functions of the order of the quantile. In this article, we describe how the qrcm paradigm can be applied to longitudinal data. We introduce a two-level quantile function, in which two different quantile regression models are used to describe the (conditional) distribution of the within-subject response and that of the individual effects. We propose a novel type of penalized fixed-effects estimator, and discuss its advantages over standard methods based on l1 and l2 penalization. We provide model identifiability conditions, derive asymptotic properties, describe goodness-of-fit measures and model selection criteria, present simulation results, and discuss an application. The proposed method has been implemented in the R package qrcm.