Quantile regression with varying coefficients
变系数分位数回归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：摘要明确研究条件分位数、变系数分位数回归及相应模型检验。
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
变系数分位数回归
- 研究问题
- 如何在超出线性模型的情况下刻画条件分位数，让回归系数随变量变化，并检验这种变系数设定是否有必要？
- 方法与思路
- 作者用多项式样条估计变系数条件分位数，结合标准分位数回归算法与逐步节点选择，并提出相对线性模型的Rao得分型检验。
- 材料陈述的贡献
- 摘要称，论文给出便于计算的估计与检验方法，建立估计量收敛和检验零假设分布的渐近结果，并提供肺功能数据应用。
- 阅读关注点
- 应核对系数变化变量、样条节点选择、平滑性与收敛条件，以及Rao得分型检验的零假设和节点选择对推断的影响。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本；具体收敛速率、检验条件和有限样本结果未说明，分位数关系也不直接构成因果效应。
原文摘要
Quantile regression provides a framework for modeling statistical quantities of interest other than the conditional mean. The regression methodology is well developed for linear models, but less so for nonparametric models. We consider conditional quantiles with varying coefficients and propose a methodology for their estimation and assessment using polynomial splines. The proposed estimators are easy to compute via standard quantile regression algorithms and a stepwise knot selection algorithm. The proposed Rao-score-type test that assesses the model against a linear model is also easy to implement. We provide asymptotic results on the convergence of the estimators and the null distribution of the test statistic. Empirical results are also provided, including an application of the methodology to forced expiratory volume (FEV) data.