Optimal Bandwidth Selection for Nonparametric Conditional Distribution and Quantile Functions
非参数条件分布与分位数函数的最优带宽选择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：题名和摘要聚焦条件分布、条件分位数及儿童健康的随机占优检验，提供了归入分位数与分布效应的直接文本依据。
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
非参数条件分布与分位数函数的最优带宽选择
- 研究问题
- 当协变量含连续变量、类别变量或两者混合时，如何为非参数条件分布函数及条件分位数函数选择数据驱动的平滑参数？
- 方法与思路
- 作者提出最小二乘交叉验证来选择平滑参数，给出渐近分析，并用蒙特卡洛模拟及儿童健康条件分布的随机占优检验展示应用。
- 材料陈述的贡献
- 摘要所述贡献是面向混合类型多元协变量的带宽选择方法，并将其用于给定父母教育与收入条件下儿童健康的一阶随机占优检验。
- 阅读关注点
- 应核对交叉验证准则、“最优”的损失目标与渐近条件，以及混合协变量的平滑方式、模拟设计和随机占优检验的实施。
- 阅读边界
- 摘要未报告最优性定理的具体条件、有限样本表现或基准方法，儿童健康应用也未说明因果设计，不能推断父母特征的因果效应。
原文摘要
We propose a data-driven least-square cross-validation method to optimally select smoothing parameters for the nonparametric estimation of conditional cumulative distribution functions and conditional quantile functions. We allow for general multivariate covariates that can be continuous, categorical, or a mix of either. We provide asymptotic analysis, examine finite-sample properties via Monte Carlo simulation, and consider an application involving testing for first-order stochastic dominance of children’s health conditional on parental education and income. This article has supplementary materials online.