Bootstrap Methods for Median Regression Models
中位数回归模型的自助法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：摘要明确处理条件中位数及删失中位数回归，中位数属于分位数，故归入分位数与分布效应方向。
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
中位数回归模型的自助法
- 研究问题
- 中位数及删失中位数回归的最小绝对偏差目标不光滑，如何借助平滑和自助法改进检验拒绝概率的渐近近似精度？
- 方法与思路
- 作者先平滑最小绝对偏差目标函数，构造平滑估计量，再用自助法临界值开展对称 t 检验和卡方检验，以处理不光滑目标造成的精度改进障碍。
- 材料陈述的贡献
- 摘要称平滑估计量与 LAD 渐近等价，自助法下检验拒绝概率可准确到接近 1/n 的阶；一阶渐近近似则有这一量级的误差。
- 阅读关注点
- 阅读时应核对平滑函数与带宽条件、删失机制及自助法重抽样方式，并确认渐近等价的含义、学生化步骤和“接近 1/n 阶”的精确表述。
- 阅读边界
- 摘要未说明正则条件、带宽选择或有限样本证据；所述精度针对原假设下的特定对称检验，不能据此推断所有分位数、区间或功效均改善。
原文摘要
The least-absolute-deviations (LAD) estimator for a median-regression or censored median-regression model does not satisfy the standard conditions for obtaining asymptotic refinements through use of the bootstrap because the LAD objective function is not smooth. This paper overcomes this problem by smoothing the objective function. The smoothed estimator is asymptotically equivalent to the ordinary LAD estimator. With bootstrap critical values, the rejection probabilities of symmetrical t and chi-square tests based on the smoothed estimator are correct to nearly order 1/n under the null hypothesis. In contrast, first-order asymptotic approximations make errors of this size.