Vector quantile regression beyond correct specification
超越正确设定的向量分位数回归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：摘要直接研究整体条件分布及向量分位数回归，并比较其与经典分位数回归的关系，支持分位数与分布效应分类。
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…
超越正确设定的向量分位数回归
- 研究问题
- 当模型设定不正确时，向量分位数回归是否仍有解，并能否表示随机向量之间的条件依赖及其与经典分位数回归的关系？
- 方法与思路
- 作者将向量分位数回归表述为附加均值独立约束的最优运输问题，并在误设情形及单变量因变量情形下分析其性质。
- 材料陈述的贡献
- 摘要称，误设下该问题仍有解并可表示条件依赖；单变量情形下，它等价于附加单调性约束的经典分位数回归。
- 阅读关注点
- 应核对解存在所需的分布与可积性条件、条件依赖表示的确切含义，以及单变量等价结论中单调性约束的具体形式。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明解的唯一性、计算方法及误设下可作何种经济解释。
原文摘要
This paper studies vector quantile regression (VQR), which is a way to model the dependence of a random vector of interest with respect to a vector of explanatory variables so to capture the whole conditional distribution, and not only the conditional mean. The problem of vector quantile regression is formulated as an optimal transport problem subject to an additional mean-independence condition. This paper provides a new set of results on VQR beyond the case with correct specification which had been the focus of previous work. First, we show that even under misspecification, the VQR problem still has a solution which provides a general representation of the conditional dependence between random vectors. Second, we provide a detailed comparison with the classical approach of Koenker and Bassett in the case when the dependent variable is univariate and we show that in that case, VQR is equivalent to classical quantile regression with an additional monotonicity constraint.