Copula-Based Regression Estimation and Inference
基于 Copula 的回归估计与推断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：摘要讨论通用回归函数估计，使用 Copula 和边际分布不足以归入分位数与分布效应。
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…
基于 Copula 的回归估计与推断
- 研究问题
- 如何将回归函数表示为 Copula 与边际分布的组合，从而利用不同的依赖结构和边际估计方法构建灵活的回归估计量？
- 方法与思路
- 作者先估计 Copula 和边际分布，再代入构造回归估计；针对剖面似然估计 Copula、非参数估计边际的情形研究渐近性质。
- 材料陈述的贡献
- 摘要提出一类灵活的 Copula 回归估计量，给出部分渐近结果，研究有限样本表现，并通过空气污染数据说明其用途。
- 阅读关注点
- 应核对回归函数表示所需条件、Copula 与边际误差的共同影响、剖面似然设定，以及渐近结果和有限样本比较的范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化。摘要未说明渐近结论的具体形式，也未声称估计分位数或因果分布效应。
原文摘要
We investigate a new approach to estimating a regression function based on copulas. The main idea behind this approach is to write the regression function in terms of a copula and marginal distributions. Once the copula and the marginal distributions are estimated, we use the plug-in method to construct our new estimator. Because various methods are available in the literature for estimating both a copula and a distribution, this idea provides a rich and flexible family of regression estimators. We provide some asymptotic results related to this copula-based regression modeling when the copula is estimated via profile likelihood and the marginals are estimated nonparametrically. We also study the finite sample performance of the estimator and illustrate its usefulness by analyzing data from air pollution studies.