Quantile Regression under Limited Dependent Variable
受限因变量下的分位数回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确涉及分位数回归，并将二元因变量列为方法适用对象。
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
受限因变量下的分位数回归
- 研究问题
- 当因变量存在下限、上限删失或为二元变量时，如何估计分位数回归参数，并避免直接使用常规方法带来的问题？
- 方法与思路
- 作者开发 Stata 命令 ldvqreg，以平滑后的分位数回归目标函数实现删失和二元因变量估计，并开展模拟与劳动供给应用。
- 材料陈述的贡献
- 摘要称该命令在模拟中能正确估计参数，并主张有删失时使用该方法，同时给出乌拉圭女性劳动供给的实证应用。
- 阅读关注点
- 应核对删失与二元情形各自的模型及参数含义、平滑参数选择，以及模拟如何支持作者关于替代现有方法的主张。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明识别条件、推断方法或适用于不同删失机制的边界。
原文摘要
A new Stata command, ldvqreg, is developed to estimate quantile regression models for the cases of censored (with lower and/or upper censoring) and binary dependent variables. The estimators are implemented using a smoothed version of the quantile regression objective function. Simulation exercises show that it correctly estimates the parameters and it should be implemented instead of the available quantile regression methods when censoring is present. An empirical application to women's labor supply in Uruguay is considered.