Percentile Regression: A Parametric Approach
百分位数回归：参数化方法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：摘要直接讨论百分位数回归及随解释变量变化的位置和尺度，与分位数及条件分布建模方向相关。
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
百分位数回归：参数化方法
- 研究问题
- 把条件百分位数设为解释变量的函数时，模型是否已隐含残差分布限制，显式参数假设又能带来什么？
- 方法与思路
- 作者以正态误差下位置和尺度均为线性函数的模型，说明明确提出并检验分布假设的作用，应用于教授薪资数据。
- 材料陈述的贡献
- 摘要指出，不明确假设误差分布并不意味着没有分布约束，并用参数化位置尺度模型展示显式假设的优势。
- 阅读关注点
- 应核对百分位数模型隐含哪些分布限制、位置尺度模型如何产生百分位数，以及正态假设的检验与薪资拟合。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明假设检验结果及拟合表现，不能推断刊本变化或参数法普遍占优。
原文摘要
For situations in which no assumptions are explicitly made about error distributions, other model assumptions may imply constraints on the form of the residual distribution. This is true of regression models which assume that percentiles are functions of the regressor variable. Hogg (1975) used a procedure based on signs of residuals to fit linear percentile models. Advantages of making (and testing!) explicit parametric assumptions in this context are illustrated using a linear model for scale and location with normal errors. This is applied to the data on professors' salaries discussed by Hogg.