NUCLEAR NORM REGULARIZED QUANTILE REGRESSION WITH INTERACTIVE FIXED EFFECTS
含交互固定效应的核范数正则化分位数回归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：摘要直接研究大规模面板数据的条件分位数模型，交互固定效应与分位数水平的一致误差界是核心内容。
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
含交互固定效应的核范数正则化分位数回归
- 研究问题
- 在个体数和时期数均较大的条件分位数面板模型中，如何联合估计协变量系数与未知秩的交互固定效应？
- 方法与思路
- 作者以核范数惩罚估计系数及低秩效应矩阵，通过凸优化求解，无须事先估计交互固定效应或其数量。
- 材料陈述的贡献
- 摘要称得到关于分位数水平的一致误差界及一致性，低秩部分的界近乎最优，并提出效应数量的一致估计方法。
- 阅读关注点
- 应核对分位数水平的取值范围、惩罚参数选择、协变量维数增长条件，以及误差界和秩估计所需的信号条件。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定近乎最优的比较基准、具体收敛率或推断可行性，也不能推断其他版本变化。
原文摘要
This paper studies large N and large T conditional quantile panel data models with interactive fixed effects. We propose a nuclear norm penalized estimator of the coefficients on the covariates and the low-rank matrix formed by the interactive fixed effects. The estimator solves a convex minimization problem, not requiring pre-estimation of the (number of) interactive fixed effects. It also allows the number of covariates to grow slowly with N and T . We derive an error bound on the estimator that holds uniformly in the quantile level. The order of the bound implies uniform consistency of the estimator and is nearly optimal for the low-rank component. Given the error bound, we also propose a consistent estimator of the number of interactive fixed effects at any quantile level. We demonstrate the performance of the estimator via Monte Carlo simulations.