Optimal Designs for Quantile Regression Models
分位数回归模型的最优设计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：摘要直接研究非线性分位数回归的最优设计，对应分位数方法方向，但未涉及因果分布效应。
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
分位数回归模型的最优设计
- 研究问题
- 非线性分位数回归中如何选择观测设计以达到 D 最优性，局部最优设计需要多少支持点，又如何处理参数不确定性？
- 方法与思路
- 作者研究非线性分位数回归的 D 最优设计，给出最优性的必要条件和支持点数量界，并计算局部、贝叶斯及标准化极大极小设计。
- 材料陈述的贡献
- 摘要称提供了检验设计最优性的必要条件及局部设计支持点界，并在 Michaelis–Menten 和 EMAX 模型中展示不同设计。
- 阅读关注点
- 核对 D 准则对应的信息量、必要条件与充分条件的区别，以及目标分位数、误差设定和参数不确定性如何影响设计。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；具体设计点、支持点界和误差条件未提供，必要条件不能自行解释为充分条件。
原文摘要
Despite their importance, optimal designs for quantile regression models have not been developed so far. In this article, we investigate the D-optimal design problem for nonlinear quantile regression analysis. We provide a necessary condition to check the optimality of a given design and use it to determine bounds for the number of support points of locally D-optimal designs. The results are illustrated, determining locally, Bayesian and standardized maximin D-optimal designs for quantile regression analysis in the Michaelis–Menten and EMAX model, which are widely used in such important fields as toxicology, pharmacokinetics, and dose–response modeling.