Quantile regression in partially linear varying coefficient models
部分线性变系数模型中的分位数回归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：摘要直接研究纵向数据的分位数回归及常系数、变系数估计。
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…
部分线性变系数模型中的分位数回归
- 研究问题
- 如何在纵向数据中兼顾分位数模型的灵活性与简约性，估计常系数和变系数，并检验部分系数是否随变量变化？
- 方法与思路
- 作者用基函数逼近函数系数，构造边际部分线性分位数估计及秩得分检验，并以模拟和 AIDS 数据分析展示方法。
- 材料陈述的贡献
- 摘要称建立两类系数估计的渐近性质及系数恒定性检验，无需指定误差分布，并展示分位数分析提供的信息。
- 阅读关注点
- 应核对纵向观测依赖的处理、基函数维数随样本量的增长条件，以及秩得分检验和 AIDS 应用的具体设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；误差分布无需指定不等于无需其他条件，具体依赖假设、模拟结果及应用效应数值未说明。
原文摘要
Semiparametric models are often considered for analyzing longitudinal data for a good balance between flexibility and parsimony. In this paper, we study a class of marginal partially linear quantile models with possibly varying coefficients. The functional coefficients are estimated by basis function approximations. The estimation procedure is easy to implement, and it requires no specification of the error distributions. The asymptotic properties of the proposed estimators are established for the varying coefficients as well as for the constant coefficients. We develop rank score tests for hypotheses on the coefficients, including the hypotheses on the constancy of a subset of the varying coefficients. Hypothesis testing of this type is theoretically challenging, as the dimensions of the parameter spaces under both the null and the alternative hypotheses are growing with the sample size. We assess the finite sample performance of the proposed method by Monte Carlo simulation studies, and demonstrate its value by the analysis of an AIDS data set, where the modeling of quantiles provides more comprehensive information than the usual least squares approach.