Multi-dimensional latent group structures with heterogeneous distributions
异质分布下的多维潜在分组结构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：摘要直接采用面板分位数回归，研究固定效应及分位数斜率的多维分组异质性。
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
异质分布下的多维潜在分组结构
- 研究问题
- 面板分位数回归中，怎样同时识别个体固定效应与斜率的潜在分组，允许同一个体在不同异质性维度属于不同组？
- 方法与思路
- 作者在含个体和时间加性固定效应的面板分位数模型中，采用复合分位数方法联合估计组别、斜率与固定效应。
- 材料陈述的贡献
- 摘要称当组别不随分位数变化时，使用多个分位数可提高聚类准确性，并将方法用于管理者激励与风险承担的关系。
- 阅读关注点
- 应核对不同维度组别的识别条件、组数如何确定，以及跨分位数组别不变的要求如何进入理论与实际聚类过程。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断分组恢复条件、组别变化时的表现或实证关系的因果含义；数值结果与版本变化未说明。
原文摘要
This paper aims to identify the multi-dimensional latent grouped heterogeneity of distributional effects. We consider a panel quantile regression model with additive cross-section and time fixed effects. The cross-section effects and quantile slope coefficients are both characterized by grouped patterns of heterogeneity, but each unit can belong to different groups for cross-section effects and slopes. We propose a composite-quantile approach to jointly estimate multi-dimensional group memberships, slope coefficients, and fixed effects. We show that using multiple quantiles improves clustering accuracy if memberships are quantile-invariant. We apply the methods to examine the relationship between managerial incentives and risk-taking behavior.