Nonparametric estimation and inference on conditional quantile processes
条件分位数过程的非参数估计与推断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：摘要直接研究非参数条件分位数过程、分位数单调性及其联合推断。
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…
关注这篇论文的作者
条件分位数过程的非参数估计与推断
- 研究问题
- 如何非参数估计整个条件分位数过程，在不同分位点适应数据稀疏程度，同时维持分位数单调性并开展联合推断？
- 方法与思路
- 作者提出两种局部线性估计：一种加入不等式约束，另一种使用重排；允许带宽随分位点变化，并建立一致巴哈杜尔表示。
- 材料陈述的贡献
- 摘要称两种估计量弱收敛到同一高斯过程，并以 Project STAR 数据给出两项新发现，但摘要未交代发现内容。
- 阅读关注点
- 应核对单调性约束与重排的实施方式、分位点相关带宽的选择，以及一致表示覆盖的分位区间和联合推断方法。
- 阅读边界
- 仅据所给出版社摘要，无法判断尾部分位数的适用范围、具体带宽条件或实证发现；使用实验数据本身不足以确定因果解释。
原文摘要
This paper presents estimation methods and asymptotic theory for the analysis of a nonparametrically specified conditional quantile process. Two estimators based on local linear regressions are proposed. The first estimator applies simple inequality constraints while the second uses rearrangement to maintain quantile monotonicity. The bandwidth parameter is allowed to vary across quantiles to adapt to data sparsity. For inference, the paper first establishes a uniform Bahadur representation and then shows that the two estimators converge weakly to the same limiting Gaussian process. As an empirical illustration, the paper considers a dataset from Project STAR and delivers two new findings.