Nonparametric Inference for Time-Varying Coefficient Quantile Regression
时变系数分位数回归的非参数推断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：摘要研究非平稳时间序列中的时变分位数回归，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…
时变系数分位数回归的非参数推断
- 研究问题
- 在误差和协变量局部平稳且允许交叉依赖的非平稳时间序列中，如何对随时间变化的分位数回归系数开展同时推断？
- 方法与思路
- 作者构造同时置信管与积分平方差检验，提出一致选模的信息准则，并用野生自助法处理数据依赖与非平稳性。
- 材料陈述的贡献
- 摘要称置信管和检验具有渐近正确的覆盖率及第一类错误率，并具备某些渐近最优性质；方法用于美国失业率动态分析。
- 阅读关注点
- 应核对局部平稳及交叉依赖的条件、置信管覆盖对象、最优性的具体含义，以及野生自助法和选模准则的实施步骤。
- 阅读边界
- 摘要未说明带宽选择、最优性标准及关键正则条件，因而尚不能判断结论对不同依赖结构的适用范围或有限样本覆盖精度。
原文摘要
The article considers nonparametric inference for quantile regression models with time-varying coefficients. The errors and covariates of the regression are assumed to belong to a general class of locally stationary processes and are allowed to be cross-dependent. Simultaneous confidence tubes (SCTs) and integrated squared difference tests (ISDTs) are proposed for simultaneous nonparametric inference of the latter models with asymptotically correct coverage probabilities and Type I error rates. Our methodologies are shown to possess certain asymptotically optimal properties. Furthermore, we propose an information criterion that performs consistent model selection for nonparametric quantile regression models of nonstationary time series. For implementation, a wild bootstrap procedure is proposed, which is shown to be robust to the dependent and nonstationary data structure. Our method is applied to studying the asymmetric and time-varying dynamic structures of the U.S. unemployment rate since the 1940s. Supplementary materials for this article are available online.