Hierarchical Spline Models for Conditional Quantiles and the Demand for Electricity
条件分位数的层级样条模型与电力需求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：摘要明确使用条件分位数与样条模型研究家庭电力需求分布的异质性。
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
条件分位数的层级样条模型与电力需求
- 研究问题
- 如何用非参数条件分位数模型刻画家庭电力需求异质性，低需求与高需求分位数同家庭特征及电器拥有情况有何关系？
- 方法与思路
- 作者以回归分位数方法为基础，用样条参数化条件分位数函数，并使用芝加哥都市区家庭数据估计层级需求模型。
- 材料陈述的贡献
- 摘要称，低分位需求的户间差异较小且难由家庭特征解释，高分位需求差异较大并与家庭特征及电器拥有系统相关。
- 阅读关注点
- 应核对层级结构、样条选择和分位数估计的实施方式，以及样本构成、不确定性分析和均值模型比较的具体依据。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；相关关系不构成因果效应，未说明具体估计值及结果向其他地区推广的条件。
原文摘要
Methods for estimating nonparametric models for conditional quantiles are suggested based on the regression quantile methods of Koenker and Bassett. Spline parameterizations of the conditional quantile functions are used. The methods are illustrated by estimating hierarchical models for household electricity demand using data from the Chicago metropolitan area. The empirical results show that lower quantiles of demand (“base-load”) vary only slightly across residential households. This variability is difficult to explain using household characteristics. However, upper quantiles of the demand distribution vary considerably and are systematically related to household characteristics and appliance ownership. The implications of analyzing mean demand behavior rather than various quantiles of the distribution of demand are also discussed.