Estimating the asymptotic covariance matrix for quantile regression models a Monte Carlo study
分位数回归模型渐近协方差矩阵估计的蒙特卡洛研究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：摘要直接研究分位数与删失分位数回归中的协方差估计，属于分位数方法；并未提供因果分布效应的识别内容。
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
分位数回归模型渐近协方差矩阵估计的蒙特卡洛研究
- 研究问题
- 分位数及删失分位数回归中，多种渐近协方差矩阵估计方法在不同误差与回归变量关系下表现如何，是否对抽样环境敏感？
- 方法与思路
- 作者比较设计矩阵、误差及 sigma 自助法、次序统计量和同方差／异方差核方法，使用原始及施加误差独立性的 CPS 数据抽样。
- 材料陈述的贡献
- 摘要明确给出多种协方差估计方法的模拟比较框架，并通过两种 CPS 数据环境考察误差与回归变量关系的作用。
- 阅读关注点
- 应核对各方法的实施细节、核带宽和自助抽样方式，以及施加独立性的具体操作、评价指标与不同分位点的表现。
- 阅读边界
- 仅依据 OpenAlex 所载摘要；摘要未报告比较结果、样本规模或误差指标，因此不能判断哪种方法更优或其适用条件。
原文摘要
This Monte Carlo study examines several estimation procedures of the asymptotic covariance matrix in the quantile and censored quantile regression models: design matrix bootstrap, error bootstrapping, order statistic, sigma bootstrap, homoskedastic kernel, and heteroskedastic kernel. The Monte Carlo samples are drawn from two alternative data sets: (a) the unaltered Current Population Survey (CPS) for 1987 and (b) this CPS data with independence between error term and regressors imposed.