n -prediction of generalized heteroscedastic transformation regression models
广义异方差变换回归模型的 n-预测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：摘要以条件分位数预测及分位数回归相关变换模型为核心，直接对应分位数与分布方法。
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
广义异方差变换回归模型的 n-预测
- 研究问题
- 一般变换回归模型加入乘法形式的异方差限制后，能否使参数、变换函数及条件分位数预测达到参数收敛速度？
- 方法与思路
- 作者研究具有乘法异方差结构的一般变换模型，构造有限维参数、变换函数和条件分位数预测量，并开展模拟。
- 材料陈述的贡献
- 摘要称，上述三类估计对象均达到参数速度，相比文中提及的更一般异方差模型有所不同，模拟显示有限样本表现良好。
- 阅读关注点
- 应核对乘法异方差限制、变换函数的识别与归一化，以及参数速度适用的误差度量、条件和预测评价方式。
- 阅读边界
- 仅据所给出版社摘要，不能推广至任意异方差；题名中的 n-预测记号含义未说明，具体估计形式和模拟数值亦未提供。
原文摘要
Chen (2010) and Khan (2001) consider quantile regression estimation subject to general transformation that permits general heteroscedasticity, but the resulting conditional quantile predictors converge at rates slower than the parametric rate. In this paper, we consider the estimation of a general transformation model subject to a multiplicative form of heteroscedasticity. Our estimators for the finite dimensional parameters, the transformation function and the resulting conditional quantile predictor all converge at the parametric rate. Monte Carlo simulation experiments show that our estimators and conditional quantile predictor perform well in finite samples.