Bootstrapping Quantile Regression Estimators
分位数回归估计量的 BootstrapAI 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：题名与摘要直接研究分位数回归估计及置信区间，对应分位数与分布方向，未涉及分布效应的因果识别。
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
分位数回归估计量的 Bootstrap
- 研究问题
- 分位数回归估计量的渐近方差依赖误差密度时，Bootstrap 能否有效近似其极限分布并提供正确的区间覆盖率？
- 方法与思路
- 作者分别考虑确定性与随机回归变量，证明 Bootstrap 分布依概率弱收敛到分位数回归估计量的极限分布。
- 材料陈述的贡献
- 摘要称，两类回归变量情形下 Bootstrap 分布具有相应收敛性质，因此百分位法置信区间达到渐近正确的覆盖率。
- 阅读关注点
- 应核对重抽样方案、误差密度与回归变量条件、分位点范围，以及分布收敛如何支持百分位区间的覆盖率结论。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体 Bootstrap 方案或有限样本覆盖率；渐近正确不保证每种样本设定都准确。
原文摘要
The asymptotic variance matrix of the quantile regression estimator depends on the density of the error. For both deterministic and random regressors, the bootstrap distribution is shown to converge weakly to the limit distribution of the quantile regression estimator in probability. Thus, the confidence intervals constructed by the bootstrap percentile method have asymptotically correct coverage probabilities.