QUANTILE REGRESSION WITH MISMEASURED COVARIATES
协变量测量误差下的分位数回归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。
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：摘要核心是含协变量测量误差的非参数分位数回归及分位数函数估计。
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
协变量测量误差下的分位数回归
- 研究问题
- 当回归变量存在测量误差时，工具变量能否支持非参数分位数回归模型的识别与一致估计，并恢复目标分位数函数？
- 方法与思路
- 作者利用工具变量建立识别，构造由条件期望导数组成的非线性泛函估计量，并研究紧集上估计分位数函数的一致收敛。
- 材料陈述的贡献
- 摘要称工具变量可使含测量误差的非参数分位数模型得到识别和一致估计，所提估计分位数函数在紧集上一致收敛。
- 阅读关注点
- 应核对工具变量有效性与信息条件、测量误差的限制、导数泛函的具体形式，以及紧集上一致收敛所需的平滑条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法列出工具变量和误差的具体条件；没有提供收敛速率、置信区间或有限样本表现，不能自行补充。
原文摘要
This paper establishes that the availability of instrumental variables enables the identification and the consistent estimation of nonparametric quantile regression models in the presence of measurement error in the regressors. The proposed estimator takes the form of a nonlinear functional of derivatives of conditional expectations and is shown to provide estimated quantile functions that are uniformly consistent over a compact set.