Parametric copula adjusted for non- and semiparametric regression
适用于非参数与半参数回归的参数化 Copula 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：摘要研究回归残差的依赖结构估计，未明确涉及分位数效应、金融风险或其他所列领域设定。
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…
适用于非参数与半参数回归的参数化 Copula 估计
- 研究问题
- 多元响应的各分量服从位置—尺度回归时，如何在噪声样本不可直接观测的情况下估计其参数化 Copula 的有限维参数？
- 方法与思路
- 作者先估计位置与尺度函数，再用残差秩构造高斯 Copula 的正态分数估计及一般参数化 Copula 的广义伪似然估计。
- 材料陈述的贡献
- 摘要称，残差估计与使用真实噪声秩的理想估计渐近等价，并给出明确收敛速度，同时研究加权残差经验过程的收敛。
- 阅读关注点
- 应核对初步回归估计的速度要求、尾部和权重条件、Copula 参数的正则性，以及渐近等价如何控制残差估计误差。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；具体速度与正则条件未列出，不能据此认定所有回归或 Copula 都适用。
原文摘要
We consider a multivariate response regression model where each coordinate is described by a location-scale non- or semiparametric regression and where the dependence structure of the “noise term” is described by a parametric copula. Our goal is to estimate the associated Euclidean copula parameter, given a sample of the response and the covariate. In the absence of the copula sample, the usual oracle ranks are no longer computable. Instead, we study the normal scores estimator for the Gaussian copula and generalized pseudo-likelihood estimation for general parametric copulas, both based on residual ranks calculated from preliminary non- or semiparametric estimators of the location and scale functions. We show that the residual-based estimators are asymptotically equivalent to their oracle counterparts and provide explicit rate of convergence. Partially to serve this objective, we also study weighted convergence of the residual empirical process under the non- or semiparametric regression model.