Nonparametric Estimation of Conditional CDF and Quantile Functions With Mixed Categorical and Continuous Data
混合类别与连续数据的条件分布函数和分位数函数非参数估计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：摘要明确提出条件累积分布函数与条件分位数的非参数估计方法，直接对应分位数与分布方向，但未声称识别因果分布效应。
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
混合类别与连续数据的条件分布函数和分位数函数非参数估计
- 研究问题
- 面对类别变量与连续变量并存的解释变量，如何非参数估计条件分布函数和条件分位数，并有效选择平滑带宽？
- 方法与思路
- 作者提出条件分布核估计量及相应分位数估计量，采用基于条件密度的带宽选择器；摘要称该选择器可自动剔除无关变量。
- 材料陈述的贡献
- 摘要提供收敛率和极限分布的理论依据，称模拟中相对同类方法表现良好，并用两个例子说明该方法的应用价值。
- 阅读关注点
- 阅读全文时核对混合变量的核函数构造、条件分布估计的单调性、分位数反演步骤，以及带宽选择和无关变量处理所需的条件。
- 阅读边界
- 摘要未说明平滑性条件、变量维数、分位点范围或实例细节；不能仅凭模拟评价确认高维或尾部分位数中的表现。
原文摘要
We propose a new nonparametric conditional cumulative distribution function kernel estimator that admits a mix of discrete and categorical data along with an associated nonparametric conditional quantile estimator. Bandwidth selection for kernel quantile regression remains an open topic of research. We employ a conditional probability density function-based bandwidth selector proposed by Hall, Racine, and Li that can automatically remove irrelevant variables and has impressive performance in this setting. We provide theoretical underpinnings including rates of convergence and limiting distributions. Simulations demonstrate that this approach performs quite well relative to its peers; two illustrative examples serve to underscore its value in applied settings.