A CONSISTENT NONPARAMETRIC EQUALITY TEST OF CONDITIONAL QUANTILE FUNCTIONS
条件分位数函数相等的相合非参数检验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：摘要直接检验子群之间的条件分位数函数差异，明确对应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
条件分位数函数相等的相合非参数检验
- 研究问题
- 研究在调查数据框架中，如何检验不同子群的未知条件分位数曲线是否相等，并改善检验的小样本表现。
- 方法与思路
- 作者提出相合的非参数条件分位数曲线相等检验，并在分位数情境中修改 wild bootstrap 程序以计算临界值。
- 材料陈述的贡献
- 摘要称，所提检验具有相合性；蒙特卡洛结果显示小样本表现尚可，采用 Bootstrap 临界值后得到明显改善。
- 阅读关注点
- 应核对子群比较的原假设、调查数据抽样结构、分位数估计及平滑条件，以及修改后的 wild bootstrap 实施方式。
- 阅读边界
- 所给出版社摘要未说明抽样权重、复杂调查设计处理或改进的具体指标，无法判断结论对不同调查方案的适用范围。
原文摘要
This paper proposes a consistent nonparametric test for testing for equality of unknown conditional quantile curves across subgroups within a survey data framework. Moreover, to improve the small-sample performance of the test, we propose a modified version of wild bootstrap procedure in a quantile context. Monte Carlo evidence shows that the performance of the test in small samples is adequate but is improved significantly when the bootstrap critical values are used.I thank the co-editor and two referees for helpful comments that improved the paper. Financial support from the Social Sciences and Humanities Research Council of Canada is gratefully acknowledged.