Quantile regression for duration models with time-varying regressors
含时变解释变量的持续期模型分位数回归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：摘要明确提出持续期模型的分位数回归及其估计量，直接对应分位数与分布效应方向。
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
含时变解释变量的持续期模型分位数回归
- 研究问题
- 持续期分析中解释变量会随时间变化时，如何构建分位数回归，使其突破既有方法主要处理时不变解释变量的限制？
- 方法与思路
- 作者建立含时变解释变量的持续期分位数回归框架，并借鉴最大得分与积分最大得分估计思想构造相应估计量。
- 材料陈述的贡献
- 摘要称估计量在一定正则条件下具有一致性与渐近正态性，有限样本表现良好，并以失业持续期数据说明方法。
- 阅读关注点
- 应核对时变解释变量进入持续期分位数的方式、得分目标函数及计算方法，以及正则条件和失业数据中的观测处理。
- 阅读边界
- 仅据所给出版社摘要，无法判断删失、解释变量内生性和路径观测要求如何处理；有限样本表现的比较对象与数值未说明。
原文摘要
Since the seminal work of Koenker and Bassett (1978), quantile regression has become a widely used tool in duration analysis. The existing literature, however, has focused on time-invariant regressors, even though time-varying regressors are common in practice. In this paper, we introduce a quantile regression framework with time-varying regressors and develop quantile regression estimators. Our estimators are motivated by Manski’s (1975, 1985) maximum score estimator and Chen’s (2010) integrated maximum score estimator. Our estimators are consistent and asymptotically normal under some regularity conditions, and perform well in finite samples. Our method is illustrated with an unemployment duration data set.