Nonparametric Identification and Estimation of a Censored Location-Scale Regression Model
删失位置—尺度回归模型的非参数识别与估计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：摘要明确通过多个条件分位数估计删失位置—尺度模型，并以失业保险期限作应用说明。
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…
删失位置—尺度回归模型的非参数识别与估计
- 研究问题
- 在固定删失点的非参数位置—尺度模型中，位置函数何时能够被识别，尤其能否识别其低于删失点的区域？
- 方法与思路
- 作者区分位置函数始终低于删失点与以正概率达到删失点的情形，并在可识别情形下组合多个较高条件分位数估计量。
- 材料陈述的贡献
- 摘要称前一种情形处处不识别，后一种情形全支持集识别；所提估计量达到最优非参数速率并具有正态极限分布。
- 阅读关注点
- 应核对识别结论的完整模型条件、多个高分位数如何组合、最优速率对应的函数类别，以及失业保险期限应用的设定。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；所述识别分界不能脱离其他模型条件使用，模拟仅为小规模研究，未提供数值细节。
原文摘要
In this article we consider identification and estimation of a censored nonparametric location scale-model. We first show that in the case where the location function is strictly less than the (fixed) censoring point for all values in the support of the explanatory variables, the location function is not identified anywhere. In contrast, when the location function is greater or equal to the censoring point with positive probability, the location function is identified on the entire support, including the region where the location function is below the censoring point. In the latter case we propose a simple estimation procedure based on combining conditional quantile estimators for various higher quantiles. The new estimator is shown to converge at the optimal nonparametric rate with a limiting normal distribution. A small-scale simulation study indicates that the proposed estimation procedure performs well in finite samples. We also present an empirical illustration on unemployment insurance duration using administrative-level data from New Jersey.