No-Crossing Single-Index Quantile Regression Curve Estimation
不交叉的单指标分位数回归曲线估计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：摘要直接研究分位数回归曲线及其分布有效性，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
不交叉的单指标分位数回归曲线估计
- 研究问题
- 单指标分位数回归可降低非参数估计维度，但不同分位曲线仍可能交叉；如何保证曲线不交叉并扩展至复合分位数回归？
- 方法与思路
- 作者在响应仅通过协变量线性组合关联的单指标模型中构造不交叉分位曲线估计，并推导渐近性质，开展模拟与真实数据应用。
- 材料陈述的贡献
- 摘要称，所提方法保证分位曲线不交叉，并扩展到复合分位数回归，给出渐近性质及与现有方法的比较和有限样本展示。
- 阅读关注点
- 应核对不交叉约束的实现与覆盖范围、指标系数的识别和归一化，以及约束对渐近分布、计算和复合分位估计的影响。
- 阅读边界
- 仅据 OpenAlex 所载摘要，无法判断不交叉保证适用于哪些协变量和分位点，也未说明具体应用、优势幅度或其他版本变化。
原文摘要
Copyright © 2022 The Authors. Single-index quantile regression (QR) models can avoid the curse of dimensionality in nonparametric problems by assuming that the response is only related to a single linear combination of the covariates. Like the standard parametric or nonparametric QR whose estimated curves may cross, the single-index QR can also suffer quantile crossing, leading to an invalid distribution for the response. This issue has attracted considerable attention in the literature in the recent year. In this article, we consider single-index models, develop methods for QR that guarantee noncrossing quantile curves, and extend the methods and results to composite quantile regression. The asymptotic properties of the proposed estimators are derived and their advantages over existing methods are explained. Simulation studies and a real data application are conducted to illustrate the finite sample performance of the proposed methods.