Conditional Quantile Analysis When Covariates are Functions, with Application to Growth Data
函数型协变量的条件分位数分析及生长数据应用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：摘要明确以条件分布函数和条件分位数为估计目标，直接对应分位数与分布分析方向。
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
函数型协变量的条件分位数分析及生长数据应用
- 研究问题
- 当预测变量是整条函数或生长曲线时，如何估计条件分布和分位数，并在模型灵活性与无限维协变量带来的维度困难之间取得平衡？
- 方法与思路
- 作者在广义函数型回归框架下估计条件分布函数，再开展条件分位数分析，研究稀疏与密集观测函数型协变量的情况。
- 材料陈述的贡献
- 摘要称理论、模拟及生长曲线应用展示了相较其他方法的良好表现，并可将儿童整体生长轨迹与成年身高的预测分位数联系起来。
- 阅读关注点
- 应核对函数型协变量的表示、条件分布到分位数的计算，以及稀疏和密集观测的处理；比较研究还需检查模型设定与误差标准。
- 阅读边界
- 仅依据所给Crossref摘要。摘要未说明模型限制、理论条件或比较结果数值；条件分位数预测本身不能解释为因果分布效应。
原文摘要
Summary Motivated by the conditional growth charts problem, we develop a method for conditional quantile analysis when predictors take values in a functional space. The method proposed aims at estimating conditional distribution functions under a generalized functional regression framework. This approach facilitates balancing of model flexibility and the curse of dimensionality for the infinite dimensional functional predictors. Its good performance in comparison with other methods, both for sparsely and for densely observed functional covariates, is demonstrated through theory as well as in simulations and an application to growth curves, where the method proposed can, for example, be used to assess the entire growth pattern of a child by relating it to the predicted quantiles of adult height.