Finite sample inference for quantile regression models
分位数回归模型的有限样本推断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：摘要明确围绕分位数回归的置信带与异质性需求弹性、教育回报展开，直接对应分位数与分布效应。
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…
分位数回归模型的有限样本推断
- 研究问题
- 在通常渐近近似可能不可靠时，如何为含内生或外生协变量的线性与非线性分位数模型构造有限样本置信区域？
- 方法与思路
- 作者利用分位数回归估计方程的条件枢轴性质构造置信带，并通过MCMC计算置信区域，以需求弹性和教育回报为例说明。
- 材料陈述的贡献
- 摘要称，该方法在最低限度假设下提供有效的有限样本推断；两个应用显示，在渐近近似可疑时，两类置信区域存在明显差异。
- 阅读关注点
- 阅读全文时应核对条件枢轴性质所需的假设、内生协变量情形的识别安排，以及MCMC计算误差与置信区域覆盖率的关系。
- 阅读边界
- 仅据所给出版社摘要，不能确认所谓最低限度假设的具体内容；摘要未说明样本规模、置信水平及两类区域差异的数值大小。
原文摘要
Under minimal assumptions, finite sample confidence bands for quantile regression models can be constructed. These confidence bands are based on the "conditional pivotal property" of estimating equations that quantile regression methods solve and provide valid finite sample inference for linear and nonlinear quantile models with endogenous or exogenous covariates. The confidence regions can be computed using Markov Chain Monte Carlo (MCMC) methods. We illustrate the finite sample procedure through two empirical examples: estimating a heterogeneous demand elasticity and estimating heterogeneous returns to schooling. We find pronounced differences between asymptotic and finite sample confidence regions in cases where the usual asymptotics are suspect.