Rectified Linear Unit Regression
修正线性单元回归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：摘要直接研究积分条件分布、分位数及平均分位数处理效应，因此对应分布效应与因果推断。
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
修正线性单元回归
- 研究问题
- 如何用回归统一分析条件分布函数与条件分位数函数的积分，并对包含离散结果的分布参数及区间平均分位数处理效应开展推断？
- 方法与思路
- 作者将经 ReLU 变换的结果投影到协变量上，构造闭式估计量，再以勒让德—芬切尔变换及方向可微映射的 delta 方法分析共轭泛函。
- 材料陈述的贡献
- 摘要称，该框架给出积分条件分布的最佳线性近似及积分条件分位数的共轭近似，并建立任意概率子区间平均分位数处理效应的识别与推断。
- 阅读关注点
- 应核对线性近似与真实条件函数的区别、非连续结果下的共轭关系，以及处理效应识别条件和方向可微推断的具体实现。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明所谓温和分布条件及处理效应识别假设，不能据此确认应用有效性。
原文摘要
This paper develops a regression framework for analyzing integrated conditional distribution and quantile functions. The proposed method, termed rectified linear unit (ReLU) regression, projects the ReLU-transformed outcome onto covariates and admits a closed-form estimator. Its population regression function is the best linear approximation to the integrated conditional distribution function of the outcome, and the corresponding convex conjugate, obtained via the Legendre-Fenchel transform, approximates the integrated conditional quantile function. Both the regression and its conjugate require only mild distributional assumptions and accommodate non-continuous outcomes. We establish the asymptotic distribution of the estimator and develop inference for the conjugate functional via the delta method for Hadamard directionally differentiable maps. Building on these results, we establish identification and inference for average quantile treatment effects over arbitrary subintervals of probability levels. This broadens the set of distributional parameters available to empirical work.