Dual regression
对偶回归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。
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：摘要直接研究条件分布函数、条件分位数曲面及分位数回归的替代估计方法。
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…
对偶回归
- 研究问题
- 如何整体估计条件分布函数，同时保留分位数回归的解释能力，并避免条件分位数曲面相交后再进行修复？
- 方法与思路
- 作者用数学规划刻画条件分布函数，从线性位置尺度模型同时估计的对偶问题出发，构造灵活的对偶回归模型。
- 材料陈述的贡献
- 摘要称，对偶回归能够避免修复相交分位数曲面，并为相应的经验对偶回归过程提供渐近理论与条件分布估计框架。
- 阅读关注点
- 应核对数学规划与条件分布的对应关系、灵活模型的约束，以及不交叉性质和经验过程渐近理论各自所需条件。
- 阅读边界
- 仅据版本未注明的索引摘要，具体模型类、正则条件和有限样本表现未说明，不能断言其普遍优于分位数回归。
原文摘要
We propose dual regression as an alternative to quantile regression for the global estimation of conditional distribution functions. Dual regression provides the interpretational power of quantile regression while avoiding the need to repair intersecting conditional quantile surfaces. We introduce a mathematical programming characterization of conditional distribution functions which, in its simplest form, is the dual program of a simultaneous estimator for linear location-scale models, and use it to specify and estimate a flexible class of conditional distribution functions. We present asymptotic theory for the corresponding empirical dual regression process.