Nonparametric Quantile Regression Estimation With Mixed Discrete and Continuous Data
混合离散与连续数据的非参数分位数回归估计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：摘要明确研究混合协变量下的条件分位数函数及其非参数估计，并用于票房与评分关系分析，直接对应分位数方向。
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…
混合离散与连续数据的非参数分位数回归估计
- 研究问题
- 当协变量同时包含离散变量和连续变量时，如何非参数估计条件分位数，并由数据选择兼顾两类变量的平滑带宽？
- 方法与思路
- 作者结合连续核与离散核进行局部线性平滑，估计条件分位数函数，并提出完全由数据驱动的交叉验证方法选择带宽。
- 材料陈述的贡献
- 摘要称，交叉验证带宽具有渐近最优性，并给出使用数据依赖带宽的局部线性条件分位数估计量的渐近分布和一致收敛速率。
- 阅读关注点
- 核对连续核与离散核的构造、交叉验证目标和带宽选择条件，以及数据依赖带宽下渐近分布与一致收敛结论的适用范围。
- 阅读边界
- 摘要未说明离散核形式、支持集与平滑条件，也未提供模拟数值；票房与评分应用不能仅凭摘要解释为因果关系。
原文摘要
In this article, we investigate the problem of nonparametrically estimating a conditional quantile function with mixed discrete and continuous covariates. A local linear smoothing technique combining both continuous and discrete kernel functions is introduced to estimate the conditional quantile function. We propose using a fully data-driven cross-validation approach to choose the bandwidths, and further derive the asymptotic optimality theory. In addition, we also establish the asymptotic distribution and uniform consistency (with convergence rates) for the local linear conditional quantile estimators with the data-dependent optimal bandwidths. Simulations show that the proposed approach compares well with some existing methods. Finally, an empirical application with the data taken from the IMDb website is presented to analyze the relationship between box office revenues and online rating scores. Supplementary materials for this article are available online.