Quantile Regression under Misspecification, with an Application to the U.S. Wage Structure
模型误设下的分位数回归及其在美国工资结构中的应用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位数回归的逼近与推断，并以工资不平等变化说明其应用，对应分位数与分布效应方向。
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…
模型误设下的分位数回归及其在美国工资结构中的应用
- 研究问题
- 当线性条件分位数模型设定错误时，分位数回归究竟逼近什么对象，其遗漏变量偏误和渐近推断如何解释，并如何用于描述美国工资不平等？
- 方法与思路
- 作者把分位数回归解释为对设定误差的加权均方误差最小化，权重来自真实条件分位数附近的平均密度，并推导偏误公式与渐近理论。
- 材料陈述的贡献
- 摘要称，该解释给出遗漏变量偏误公式和部分分位数回归概念，并建立误设下回归过程的渐近理论；工资应用显示1990至2000年不平等出现重大变化。
- 阅读关注点
- 重点核对密度权重的定义及其对逼近目标的影响、遗漏变量公式和部分回归的适用条件，以及工资数据中不平等变化的衡量方式。
- 阅读边界
- 摘要未给出正则条件、工资变量和样本处理细节，也未报告不平等变化的方向或幅度；工资应用的结果不能直接作因果解释。
原文摘要
Quantile regression (QR) fits a linear model for conditional quantiles just as ordinary least squares (OLS) fits a linear model for conditional means. An attractive feature of OLS is that it gives the minimum mean-squared error linear approximation to the conditional expectation function even when the linear model is misspecified. Empirical research using quantile regression with discrete covariates suggests that QR may have a similar property, but the exact nature of the linear approximation has remained elusive. In this paper, we show that QR minimizes a weighted mean-squared error loss function for specification error. The weighting function is an average density of the dependent variable near the true conditional quantile. The weighted least squares interpretation of QR is used to derive an omitted variables bias formula and a partial quantile regression concept, similar to the relationship between partial regression and OLS. We also present asymptotic theory for the QR process under misspecification of the conditional quantile function. The approximation properties of QR are illustrated using wage data from the U.S. census. These results point to major changes in inequality from 1990 to 2000.