On the unbiased asymptotic normality of quantile regression with fixed effects
固定效应分位数回归的无偏渐近正态性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：摘要明确研究具有个体固定效应的面板分位数回归及其渐近推断。
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…
固定效应分位数回归的无偏渐近正态性
- 研究问题
- 固定效应分位数回归需要怎样的个体数与时间长度增长条件，才能获得无偏渐近正态性，并缩小与平滑非线性面板理论的差距？
- 方法与思路
- 作者在个体数与时间长度共同增长的框架下研究固定效应分位数回归，建立新的渐近正态性结果，并以数值实验检验理论表现。
- 材料陈述的贡献
- 摘要称所需增长条件接近常见平滑非线性面板模型，显著改进既有理论，使分位数回归可适用于相近规模结构的面板数据。
- 阅读关注点
- 应核对 n 与 T 的精确增长限制、个体效应引起的偏差控制，以及非光滑得分处理、序列依赖条件和数值实验中的覆盖表现。
- 阅读边界
- 仅据所给出版社摘要，增长条件与正则假设未说明；无偏渐近正态性不意味着有限样本无偏，也不能直接支持短面板上的常规推断。
原文摘要
Nonlinear panel data models with fixed individual effects provide an important set of tools for describing microeconometric data. In a large class of such models (including probit, proportional hazard and quantile regression to name just a few) it is impossible to difference out the individual effects, and inference is usually justified in a ‘large n large T’ asymptotic framework. However, there is a considerable gap in the type of assumptions that are currently imposed in models with smooth score functions (such as probit, and proportional hazard) and quantile regression. In the present paper we show that this gap can be bridged and establish unbiased asymptotic normality for fixed effects quantile regression panels under conditions on n,T that are very close to what is typically assumed in standard nonlinear panels. Our results considerably improve upon existing theory and show that quantile regression is applicable to the same type of panel data (in terms of n,T) as other commonly used nonlinear panel data models. Thorough numerical experiments confirm our theoretical findings.