An Alternative Estimator for the Censored Quantile Regression Model
线性删失分位数回归模型的一种替代估计量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：摘要明确提出线性删失分位数回归估计量，并讨论其计算与渐近性质，直接对应分位数与分布效应中的分位数方法。
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…
关注这篇论文的作者
线性删失分位数回归模型的一种替代估计量
- 研究问题
- 在线性删失分位数回归中，如何构造便于求得全局最优解的估计量，并在删失点未知时仍开展估计与渐近推断？
- 方法与思路
- 作者为线性删失分位数回归构造全局凸目标函数，将估计转化为线性规划；摘要称该方法也适用于删失点未知的情形。
- 材料陈述的贡献
- 摘要称该估计量具有√n收敛率和渐近正态性，单纯形法可有限步取得全局极小值，模拟显示较好的小样本表现。
- 阅读关注点
- 核对目标函数的构造、未知删失点的处理及识别条件，并检查渐近方差、模拟对照和不同删失程度下的估计表现。
- 阅读边界
- 摘要未说明未知删失点如何识别、渐近结果所需条件或模拟设计；其小样本评价不能据此推广为普遍优于其他估计量。
原文摘要
This paper introduces an alternative estimator for the linear censored quantile regression model. The estimator also applies to cases where the censoring point is unknown. Since the objective function is globally convex and the estimator is a solution to a linear programming problem, a global minimizer is obtained in a finite number of simplex iterations. The estimator has a square root of n-convergence rate and is asymptotically normal. A Monte Carlo study performed shows that the suggested estimator has very desirable small sample properties.