Binary quantile regression: a Bayesian approach based on the asymmetric Laplace distribution
二元分位数回归：基于非对称拉普拉斯分布的贝叶斯方法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：摘要明确结合二元响应、分位数回归与通勤交通方式选择应用，直接涉及离散选择和分位数分析。
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
二元分位数回归：基于非对称拉普拉斯分布的贝叶斯方法
- 研究问题
- 对于二元响应的分位数回归，能否通过附加误差分布假设建立贝叶斯参数框架，缓解目标函数优化与参数推断困难？
- 方法与思路
- 作者提出基于非对称拉普拉斯分布的贝叶斯方法，通过两个蒙特卡洛实验及通勤交通方式选择数据检验适用性。
- 材料陈述的贡献
- 摘要称该参数化框架避免既有方法的优化与推断困难；在通勤方式数据中，估计结果产生了不同于既有研究的经济解释。
- 阅读关注点
- 应核对二元结果对应的分位数对象、附加分布假设、先验与计算步骤，以及经济解释改变的具体原因。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断分布设定偏误、参数识别或不确定性评价；解释不同本身不能证明方法更可靠。
原文摘要
SUMMARY This paper develops a Bayesian method for quantile regression for dichotomous response data. The frequentist approach to this type of regression has proven problematic in both optimizing the objective function and making inferences on the parameters. By accepting additional distributional assumptions on the error terms, the Bayesian method proposed sets the problem in a parametric framework in which these problems are avoided. To test the applicability of the method, we ran two Monte Carlo experiments and applied it to Horowitz's (1993) often studied work‐trip mode choice dataset. Compared to previous estimates for the latter dataset, the method proposed leads to a different economic interpretation. Copyright © 2010 John Wiley & Sons, Ltd.