Smooth quantile ratio estimation
平滑分位数比估计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：摘要直接讨论以分位数比估计两个偏斜分布的均值差，对应分位数与分布比较方法。
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…
平滑分位数比估计
- 研究问题
- 如何估计两个高度偏斜分布的均值差，并在医疗支出等右偏数据中改善估计精度？摘要关注分布间比较，未设定因果问题。
- 方法与思路
- 作者提出沿百分位平滑两个分布的分位数之比，形成包含样本均值差、对数正态最大似然估计和某类 L 估计的估计量族。
- 材料陈述的贡献
- 摘要称推导了一致性、渐近正态性及渐近方差的闭式表达，并在若干模拟情形中获得较低均方误差，另有医疗支出应用。
- 阅读关注点
- 应核对分位数比的定义域、平滑规则及渐近结果所需条件，尤其关注高度偏斜或尾部稀疏时的表现，以及模拟比较的适用范围。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 摘要；未提供平滑选择与模拟数值，不能推断普遍优越性，也不能将疾病组支出差解释为因果效应。
原文摘要
We propose a novel approach to estimating the mean difference between two highly skewed distributions. The method, which we call smooth quantile ratio estimation, smooths, over percentiles, the ratio of the quantiles of the two distributions. The method defines a large class of estimators, including the sample mean difference, the maximum likelihood estimator under log-normal samples and the L-estimator. We derive asymptotic properties such as consistency and asymptotic normality, and also provide a closed-form expression for the asymptotic variance. In a simulation study, we show that smooth quantile ratio estimation has lower mean squared error than several competitors, including the sample mean difference and the log-normal parametric estimator in several realistic situations. We apply the method to the 1987 National Medicare Expenditure Survey to estimate the difference in medical expenditures between persons suffering from the smoking attributable diseases, lung cancer and chronic obstructive pulmonary disease, and persons without these diseases.