HAC Covariance Matrix Estimation in Quantile Regression
分位数回归中的异方差与自相关稳健协方差矩阵估计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：摘要明确研究时间序列分位数回归的序列相关修正，直接涉及时间序列与分位数方法。
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
分位数回归中的异方差与自相关稳健协方差矩阵估计
- 研究问题
- 时间序列分位数回归误差存在异方差与序列相关时，如何修正常规标准误，并改善带宽估计偏差造成的检验尺寸失真？
- 方法与思路
- 作者构造类似 Newey–West 的分位数 HAC 协方差估计量，推导带宽选择规则，并提出替代自相关估计以减少有限样本偏差。
- 材料陈述的贡献
- 摘要称建立 HAC 估计量的渐近性质及最优带宽规则，模拟显示检验尺寸失真改善，并用于分析可再生能源扩张与电价关系。
- 阅读关注点
- 应核对序列依赖与分位数回归的正则条件、带宽最优性的准则、替代自相关估计的构造，以及电价应用的解释边界。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未列带宽公式或尺寸改善数值，稳健标准误本身不提供因果识别。
原文摘要
This study considers an estimator for the asymptotic variance-covariance matrix in time-series quantile regression models which is robust to the presence of heteroscedasticity and autocorrelation. When regression errors are serially correlated, the conventional quantile regression standard errors are invalid. The proposed solution is a quantile analogue of the Newey-West robust standard errors. We establish the asymptotic properties of the heteroscedasticity and autocorrelation consistent (HAC) covariance matrix estimator and provide an optimal bandwidth selection rule. The quantile sample autocorrelation coefficient is biased toward zero in finite sample which adversely affects the optimal bandwidth estimation. We propose a simple alternative estimator that effectively reduces the finite sample bias. Numerical simulations provide evidence that the proposed HAC covariance matrix estimator significantly improves the size distortion problem. To illustrate the usefulness of the proposed robust standard error, we examine the impacts of the expansion of renewable energy resources on electricity prices. Supplementary materials for this article are available online.