Asymptotic Properties of Empirical Quantile-Based Estimators
基于经验分位数的估计量的渐近性质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：摘要研究分布与分位数映射泛函，并明确指出其在 changes-in-changes 因果模型中的用途。
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…
基于经验分位数的估计量的渐近性质
- 研究问题
- 对先作分布函数变换、再作分位数映射并取期望的参数，插件估计何时具有根号样本量收敛和渐近正态性，如何估计方差？
- 方法与思路
- 作者研究经验分布与经验分位数组成的插件估计量，在允许变量无界的较弱条件下建立渐近结果，并提出一致的方差估计量。
- 材料陈述的贡献
- 摘要称放宽了既有渐近正态性条件，并给出适用于无界变量的方差估计；模拟提示条件接近必要且部分推断比较有所改善。
- 阅读关注点
- 应核对尾部、密度及样本关系的具体要求，厘清弱化了哪些既有条件，并区分模拟支持的近必要性与正式理论结论。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未列出具体正则条件，模拟关于条件接近必要的描述不能视为必要性证明。
原文摘要
We consider inference for parameters of the form $θ_0 = E[F_Y^{-1}\circ F_Z(X)]$ for some variables $X$, $Y$ and $Z$. Such parameters appear, in particular, in the ``changes-in-changes'' model of \cite{AtheyImbens2006}. We first establish that $\widehatθ$, a plug-in estimator of $θ_0$, is root-$n$ consistent and asymptotically normal under weaker conditions than those previously available, allowing in particular for unbounded variables. Next, we propose a new estimator of the asymptotic variance of $\widehatθ$ and show its consistency, also allowing for unbounded variables. Monte Carlo simulations suggest that the conditions for root-$n$ consistency and asymptotic normality are, in some sense, minimal. These simulations highlight that our variance estimator also leads to more accurate inference than some alternative approaches.