Quantiles for Counts
计数数据的分位数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：摘要直接研究计数数据的条件分位数估计，并明确使用标准分位数回归进行推断。
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…
计数数据的分位数
- 研究问题
- 计数数据的离散性使条件分位数缺少平滑结构，如何施加适当平滑，使标准分位数回归技术能够用于估计与推断？
- 方法与思路
- 作者对计数数据进行人为平滑，以建立可用标准分位数回归进行推断的处理方式，并通过模拟和一个应用展示实现。
- 材料陈述的贡献
- 摘要称，可以构造允许使用标准分位数回归技术的平滑方法，为计数条件分位数的估计和推断提供途径。
- 阅读关注点
- 应核对具体平滑机制、平滑后分位数与原计数目标的关系、估计量实施步骤，以及推断条件和模拟中的误差表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；平滑公式、目标转换、渐近条件及应用数据均未说明，不能自行补出具体算法。
原文摘要
This article studies the estimation of conditional quantiles of counts. Given the discreteness of the data, some smoothness must be artificially imposed on the problem. We show that it is possible to smooth the data in a way that allows inference to be performed using standard quantile regression techniques. The performance and implementation of the estimators are illustrated by simulations and an application.