Nonparametric Quantile Regression for Homogeneity Pursuit in Panel Data Models
面板数据模型中追寻同质分组的非参数分位数回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确讨论含个体效应的面板模型，并允许响应关系和潜在分组随分位数变化，直接对应面板与分位数方法。
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…
面板数据模型中追寻同质分组的非参数分位数回归
- 研究问题
- 当面板个体存在潜在同质群组、响应关系可能非线性且分组随分位数变化时，如何避免模型误设并自动识别分组？
- 方法与思路
- 作者在含个体效应的面板模型中提出非参数分位数回归，利用成对融合惩罚选择组数，并开发 ADMM 计算算法。
- 材料陈述的贡献
- 摘要称，该方法允许非参数响应关系和随分位数变化的分组，建立了渐近性质，并通过模拟与经验示例展示表现。
- 阅读关注点
- 应核对个体效应与组别的定义、不同分位数的分组关系、惩罚参数选择，以及渐近结论所需的样本增长和组间分离条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列渐近条件、具体结论和应用数据，不能判断分组恢复范围。
原文摘要
Many panel data have the latent subgroup effect on individuals, and it is important to correctly identify these groups since the efficiency of resulting estimators can be improved significantly by pooling the information of individuals within each group. However, the currently assumed parametric and semiparametric relationship between the response and predictors may be misspecified, which leads to a wrong grouping result, and the nonparametric approach hence can be considered to avoid such mistakes. Moreover, the response may depend on predictors in different ways at various quantile levels, and the corresponding grouping structure may also vary. To tackle these problems, this article proposes a nonparametric quantile regression method for homogeneity pursuit in panel data models with individual effects, and a pairwise fused penalty is used to automatically select the number of groups. The asymptotic properties are established, and an ADMM algorithm is also developed. The finite sample performance is evaluated by simulation experiments, and the usefulness of the proposed methodology is further illustrated by an empirical example.