Non‐parametric inference on (conditional) quantile differences and interquantile ranges, using L‐statistics
利用 L 统计量对（条件）分位数差与分位距进行非参数推断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：摘要直接研究分位数差与分位距推断，并明确讨论其在独立性条件下的分位数处理效应解释。
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
利用 L 统计量对（条件）分位数差与分位距进行非参数推断
- 研究问题
- 如何对两个总体的无条件及条件分位数差构造高阶准确的置信区间，并将推断扩展到分位距和多个分位数的组合？
- 方法与思路
- 作者利用概率积分变换，以 Dirichlet 参考分布选择作为区间端点的 L 统计量，并在条件分析中对连续协变量进行平滑。
- 材料陈述的贡献
- 摘要称方法具有高阶准确性，并推导条件情形的最优带宽与覆盖概率收敛率；模拟显示区间准确性与长度具有较好组合。
- 阅读关注点
- 应核对高阶准确性所需的分布和平滑条件、带宽选择，以及将分位数差解释为处理效应时处理与潜在结果的独立性要求。
- 阅读边界
- 摘要未列出具体正则条件、覆盖误差阶数或模拟设计；所述区间表现不能推广至任意分布，处理效应解释也依赖额外条件。
原文摘要
We provide novel, high‐order accurate methods for non‐parametric inference on quantile differences between two populations in both unconditional and conditional settings. These quantile differences correspond to (conditional) quantile treatment effects under (conditional) independence of a binary treatment and potential outcomes. Our methods use the probability integral transform and a Dirichlet (rather than Gaussian) reference distribution to pick appropriate L‐statistics as confidence interval endpoints, achieving high‐order accuracy. Using a similar approach, we also propose confidence intervals/sets for vectors of quantiles, interquantile ranges and differences of linear combinations of quantiles. In the conditional setting, when smoothing over continuous covariates, optimal bandwidth and coverage probability rates are derived for all methods. Simulations show that the new confidence intervals have a favourable combination of robust accuracy and short length compared with existing approaches. Detailed steps for confidence interval construction are provided in online Appendix E as supporting information, and code for all methods, simulations and empirical examples is provided.