Nonlinear Temperature Sensitivity of Residential Electricity Demand: Evidence from a Distributional Regression Approach
居民用电需求对温度的非线性敏感性：分布回归证据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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以温度分布解释标量用电需求，未明确估计分位数或结果分布效应，也未说明其他所列领域的直接方法依据。
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
居民用电需求对温度的非线性敏感性：分布回归证据
- 研究问题
- 如何利用温度的完整分布信息，估计居民用电需求对寒潮和热浪的非线性响应，并处理温度分布估计中的测量误差？
- 方法与思路
- 作者采用分布到标量回归，以温度密度、风险率及分位数函数表示温度变化，并在计量框架中考虑有限离散观测带来的误差。
- 材料陈述的贡献
- 摘要报告，风险率模型显示寒潮对应更强非线性响应、热浪对应更明显增量效应；分位数模型估计多不显著，并给出抵消机制解释。
- 阅读关注点
- 应核对分布函数估计、测量误差处理、寒潮与热浪的定义，以及不同响应概念、控制变量和两种抵消力量的具体解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实。摘要未说明数据、识别条件和数值；分布型解释变量不等同于结果分布效应。
原文摘要
We estimate the temperature sensitivity of residential electricity demand during extreme temperature events using the distribution-to-scalar regression model. Rather than relying on simple averages or individual quantile statistics of raw temperature data, we construct distributional summaries, such as probability density, hazard rate, and quantile functions, to retain a more comprehensive representation of temperature variation. This approach not only utilizes richer information from the underlying temperature distribution but also enables the examination of extreme temperature effects that conventional models fail to capture. Additionally, recognizing that distribution functions are typically estimated from limited discrete observations and may be subject to measurement errors, our econometric framework explicitly addresses this issue. Empirical findings from the hazard-to-demand model indicate that residential electricity demand exhibits a stronger nonlinear response to cold waves than to heat waves, while heat wave shocks demonstrate a more pronounced incremental effect. Moreover, the temperature quantile-to-demand model produces largely insignificant demand response estimates, attributed to the offsetting influence of two counteracting forces.