Fixed- k Inference for Conditional Extremal Quantiles
条件极端分位数的固定 k 推断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：摘要明确研究条件极端分位数置信区间，且覆盖重复横截面和纵向面板数据，故归入分位数与分布效应及面板数据方向。
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
条件极端分位数的固定 k 推断
- 研究问题
- 在重复横截面或面板数据中，如何仅用固定数量的近邻尾部观测，对给定协变量条件下的极端分位数进行有效区间推断？
- 方法与思路
- 作者以固定数量 k 的近邻尾部观测构造条件极端分位数置信区间，借助适用于重复横截面和纵向数据的极值理论建立推断。
- 材料陈述的贡献
- 摘要称区间在指定非参数过程类上具有一致渐近有效性，并适用于线性随机系数模型中系数的极端分位数；模拟报告优于所比较方法的覆盖率和长度表现。
- 阅读关注点
- 核对固定 k 下的渐近序列、尾指数覆盖范围、条件变量的近邻处理和面板依赖条件，并查看极低出生体重应用中效应大小的解释。
- 阅读边界
- 摘要未说明尾部正则条件、近邻选择或面板依赖限制；模拟中的覆盖率与长度优势不能直接推广至所有分布和有限样本。
原文摘要
We develop a new extreme value theory for repeated cross-sectional and longitudinal/panel data to construct asymptotically valid confidence intervals (CIs) for conditional extremal quantiles from a fixed number k of nearest-neighbor tail observations. As a by-product, we also construct CIs for extremal quantiles of coefficients in linear random coefficient models. For any fixed k, the CIs are uniformly valid without parametric assumptions over a set of nonparametric data generating processes associated with various tail indices. Simulation studies show that our CIs exhibit superior small-sample coverage and length properties than alternative nonparametric methods based on asymptotic normality. Applying the proposed method to Natality Vital Statistics, we study factors of extremely low birth weights. We find that signs of major effects are the same as those found in preceding studies based on parametric models, but with different magnitudes.