SMOOTHED QUANTILE REGRESSION PROCESSES FOR BINARY RESPONSE MODELS
二元响应模型的平滑分位数回归过程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：摘要明确讨论二元选择概率，并以分位数限制和分位数过程作为主要方法。
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
二元响应模型的平滑分位数回归过程
- 研究问题
- 在具有线性分位数限制的二元响应模型中，如何利用连续的一族分位数估计量进行推断，并估计较少受形式限制的选择概率？
- 方法与思路
- 作者研究平滑分位数回归过程，推导标准化经验过程的一致线性化、线性表示和渐近正态性，并讨论其与重排方法的联系。
- 材料陈述的贡献
- 摘要称，分位数过程可用于估计二元选择概率，无需对链接函数或异方差施加限制性形式假设，也避免既有方法的高维非参数平滑。
- 阅读关注点
- 应核对二元观测与潜在分位数限制的关系、平滑和标准化方式、一致结果覆盖的分位数范围，以及选择概率恢复与重排的步骤。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体识别条件、平滑参数和边界分位数处理未说明，较少形式限制不等于无需其他假设，刊本变化未知。
原文摘要
In this article, we consider binary response models with linear quantile restrictions. Considerably generalizing previous research on this topic, our analysis focuses on an infinite collection of quantile estimators. We derive a uniform linearization for the properly standardized empirical quantile process and discover some surprising differences with the setting of continuously observed responses. Moreover, we show that considering quantile processes provides an effective way of estimating binary choice probabilities without restrictive assumptions on the form of the link function, heteroskedasticity, or the need for high dimensional nonparametric smoothing necessary for approaches available so far. A uniform linear representation and results on asymptotic normality are provided, and the connection to rearrangements is discussed.