Nonparametric Estimation of an Additive Quantile Regression Model
非参数加性分位数回归模型的估计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：摘要明确研究非参数加性分位数回归及其分量估计，直接对应分位数方法方向。
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
非参数加性分位数回归模型的估计
- 研究问题
- 如何估计非参数加性分位数回归的各个分量，使其收敛速度不随协变量维度恶化，并支持渐近分布推断？
- 方法与思路
- 作者构造加性分量估计量，在分量具有相应连续可微性的条件下研究渐近正态性，并扩展到带连接函数的广义加性模型。
- 材料陈述的贡献
- 摘要称，估计量具有不受协变量维度影响的收敛率和预言性质，并通过蒙特卡洛实验及一个实证例子展示其表现与用途。
- 阅读关注点
- 应核对加性分量的归一化、估计步骤与平滑参数，以及预言性质的含义和误差密度条件，确认维度无关结论的适用范围。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；除光滑性外的条件与数值结果未说明，避免维度灾难的结论依赖所设加性模型。
原文摘要
This article is concerned with estimating the additive components of a nonparametric additive quantile regression model. We develop an estimator that is asymptotically normally distributed with a rate of convergence in probability of n−r/(2r+1) when the additive components are r-times continuously differentiable for some r ≥ 2. This result holds regardless of the dimension of the covariates, and thus the new estimator has no curse of dimensionality. In addition, the estimator has an oracle property and is easily extended to a generalized additive quantile regression model with a link function. The numerical performance and usefulness of the estimator are illustrated by Monte Carlo experiments and an empirical example.