Weighted Median Regression Estimates
加权中位数回归估计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：文中的中位数用于两点斜率的聚合，未明确研究条件分位数或经济分布效应，故暂不归类。
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
加权中位数回归估计
- 研究问题
- 在误差独立同分布且分布连续的简单线性回归中，如何通过观测对斜率的加权中位数估计斜率，并构造相应置信区间？
- 方法与思路
- 作者为不同解释变量取值对应的两点斜率赋权，以其加权分布的中位数估计回归斜率，并用特定分位点构造置信区间。
- 材料陈述的贡献
- 摘要称研究了该斜率估计与置信区间的渐近行为，并给出最优权重的条件，但没有说明最优性采用的具体标准。
- 阅读关注点
- 应核对权重的限制与最优准则、固定设计的渐近条件，以及观测对斜率之间的依赖如何影响估计分布和区间覆盖。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未说明最优权重公式或区间条件，也不能把斜率中位数估计等同于条件分位数回归。
原文摘要
In the simple linear regression problem $\{Y_i = \alpha + \beta x_i + e_i i = 1,\cdots, n, e_i$ i.i.d. $\sim F$ continuous, $x_1 \leqq \cdots \leqq x_n$ known, $\alpha, \beta$ unknown$\}$ we investigate the following type of estimator: To each $s_{ij} = (Y_j - Y_i)/(x_j - x_i)$ with $x_i < x_j$ attach weight $w_{ij}$ and as estimator for $\beta$ consider the median of this weight distribution over the $s_{ij}$. A confidence interval for $\beta$ is found by taking certain quantiles of this weight distribution. The asymptotic behavior of both is investigated and conditions for optimal weights are given.