Direct use of regression quantiles to construct confidence sets in linear models
直接利用回归分位数构造线性模型置信集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：摘要直接研究回归分位数的置信区间、置信带与预测区间，符合分位数方向。
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…
关注这篇论文的作者
直接利用回归分位数构造线性模型置信集
- 研究问题
- 如何将经验分位数构造总体分位数区间的直接方法推广到回归分位数，并据此形成置信区间、置信带和预测区间？
- 方法与思路
- 作者直接使用样本回归分位数构造推断区间，并讨论其与学生化方法及 bootstrap 方法的比较。
- 材料陈述的贡献
- 摘要称，方法覆盖回归分位数区间、置信带及预测区间；模拟显示，在误差偏离正态时具有稳健性优势。
- 阅读关注点
- 应核对直接构造的步骤、回归情形下分布无关性质的条件，以及模拟中的覆盖率、区间长度和误差分布。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；回归推广的完整条件和比较数值未说明，不能据此断言任意误差下均占优。
原文摘要
Direct use of the empirical quantile function provides a standard distribution-free approach to constructing confidence intervals and confidence bands for population quantiles. We apply this method to construct confidence intervals and confidence bands for regression quantiles and to construct prediction intervals based on sample regression quantiles. Comparison of the direct method with the studentization and the bootstrap methods are discussed. Simulation results show that the direct method has the advantage of robustness against departure from the normality assumption of the error terms.