Sieve instrumental variable quantile regression estimation of functional coefficient models
函数系数模型的筛工具变量分位数回归估计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：摘要以工具变量分位数回归估计函数系数，并应用于分位数恩格尔曲线，直接对应分位数与分布方向。
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
函数系数模型的筛工具变量分位数回归估计
- 研究问题
- 当内生解释变量的系数随外生协变量变化时，如何估计这些未知函数，并检验其是否恒定，从而刻画不同分位点的关系？
- 方法与思路
- 作者用筛工具变量分位数回归估计函数系数，研究一致性和渐近分布，并基于筛估计构造系数恒定性的非参数设定检验。
- 材料陈述的贡献
- 摘要称建立了估计量的一致收敛与渐近正态性，提出并研究系数恒定性检验，同时通过模拟和分位数恩格尔曲线应用展示方法。
- 阅读关注点
- 应核对工具变量有效性、函数系数识别、筛基与维度选择，以及一致收敛、正态近似和恒定性检验所需的具体条件。
- 阅读边界
- 仅据所给出版社摘要，工具变量来源、识别条件、检验极限分布及应用结果均未说明，不能判断实际数据中的识别强度。
原文摘要
In this paper we consider sieve instrumental variable quantile regression (IVQR) estimation of functional coefficient models where the coefficients of endogenous regressors are unknown functions of some exogenous covariates. We estimate the functional coefficients by the sieve-IVQR technique and establish the uniform consistency and asymptotic normality of the estimators. Based on the sieve estimates, we propose a nonparametric specification test for the constancy of the functional coefficients and study its asymptotic. We conduct simulations to evaluate the finite sample behavior of our estimator and test statistic, and apply our method to study the estimation of quantile Engel curves.