GLOBAL BAHADUR REPRESENTATION FOR NONPARAMETRIC CENSORED REGRESSION QUANTILES AND ITS APPLICATIONS
非参数删失回归分位数的全局 Bahadur 表示及其应用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：摘要直接研究随机删失下的回归分位数及可加分位数模型，属于分位数与分布方法。
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…
关注这篇论文的作者
非参数删失回归分位数的全局 Bahadur 表示及其应用
- 研究问题
- 对于响应变量遭随机删失的非参数回归分位数，如何获得足够精确的全局线性表示，以支持后续估计与推断理论？
- 方法与思路
- 作者利用 U 过程的强一致收敛速度，为局部加权多项式估计量建立全局 Bahadur 表示，并分析两个衍生估计问题。
- 材料陈述的贡献
- 摘要称，该表示精度足以服务进一步理论分析，并用于研究平均梯度向量的平均导数估计和删失可加分位数模型的分量估计。
- 阅读关注点
- 应核对删失机制、分位数及协变量上的一致范围、带宽和光滑性条件，以及表示余项如何影响两个应用的渐近性质。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；删失识别条件、余项速度和具体推断程序未说明，也未报告模拟或实际数据表现。
原文摘要
This paper is concerned with the nonparametric estimation of regression quantiles of a response variable that is randomly censored. Using results on the strong uniform convergence rate of U-processes, we derive a global Bahadur representation for a class of locally weighted polynomial estimators, which is sufficiently accurate for many further theoretical analyses including inference. Implications of our results are demonstrated through the study of the asymptotic properties of the average derivative estimator of the average gradient vector and the estimator of the component functions in censored additive quantile regression models.