Estimating and testing a quantile regression model with interactive effects
交互效应分位数回归模型的估计与检验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：摘要结合交互效应与固定效应设定，并用分位数回归分析不同教育表现位置的效应差异。
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
交互效应分位数回归模型的估计与检验
- 研究问题
- 当交互效应可能与协变量相关时，如何估计分位数回归模型，并检验其相对于固定效应设定的适用性和教育结果差异？
- 方法与思路
- 作者提出交互效应分位数回归估计量，给出渐近高斯条件，研究有限样本表现，并构造与固定效应设定比较的检验。
- 材料陈述的贡献
- 摘要称教育应用中，小班有利于低表现者、大班有利于高表现者，且固定效应设定被拒绝；同时提出相应估计与检验方法。
- 阅读关注点
- 应核对交互效应结构、与协变量相关性的处理、渐近维度及模型比较检验，并审查班级规模和构成效应的识别依据。
- 阅读边界
- 摘要未说明数据、具体分位点、效应数值和因果识别条件；教育应用结论仅为摘要所报证据，不能直接推广为普遍班级政策。
原文摘要
This paper proposes a quantile regression estimator for a model with interactive effects potentially correlated with covariates. We provide conditions under which the estimator is asymptotically Gaussian and we investigate the finite sample performance of the method. An approach to testing the specification against a competing fixed effects specification is introduced. The paper presents an application to study the effect of class size and composition on educational attainment. The evidence suggests that while smaller classes are beneficial for low performers, larger classes are beneficial for high performers. The fixed effects specification is rejected in favor of the interactive effects specification.