UNIFORM BAHADUR REPRESENTATION FOR NONPARAMETRIC CENSORED QUANTILE REGRESSION: A REDISTRIBUTION-OF-MASS APPROACH
非参数删失分位数回归的一致 Bahadur 表示：质量再分配方法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：摘要直接研究删失数据的非参数分位数回归及其效率和一致表示。
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
非参数删失分位数回归的一致 Bahadur 表示：质量再分配方法
- 研究问题
- 研究删失数据的非参数分位数回归如何结合质量再分配与局部平滑，并建立一致线性表示及相对既有估计方法的效率依据。
- 方法与思路
- 作者将质量再分配思想与局部多项式核平滑结合，推导估计量的一致 Bahadur 表示，并给出充分降维示例与模拟研究。
- 材料陈述的贡献
- 摘要称建立一致 Bahadur 表示，并为相较既有估计方法的效率改善提供理论依据，还展示该表示在回归充分降维中的用途。
- 阅读关注点
- 应核对删失机制假设、一致表示覆盖的区域与分位数范围、带宽条件，以及效率改善针对哪些比较方法和评价准则。
- 阅读边界
- 所给 Crossref 摘要未列出删失识别条件、余项速率或模拟数值；相对效率陈述不能推广为对所有删失分位数方法的优势。
原文摘要
Censored quantile regressions have received a great deal of attention in the literature. In a linear setup, recent research has found that an estimator based on the idea of “redistribution-of-mass” in Efron (1967, Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability , vol. 4, pp. 831–853, University of California Press) has better numerical performance than other available methods. In this paper, this idea is combined with the local polynomial kernel smoothing for nonparametric quantile regression of censored data. We derive the uniform Bahadur representation for the estimator and, more importantly, give theoretical justification for its improved efficiency over existing estimation methods. We include an example to illustrate the usefulness of such a uniform representation in the context of sufficient dimension reduction in regression analysis. Finally, simulations are used to investigate the finite sample performance of the new estimator.