Understanding the effect of measurement error on quantile regressions
理解测量误差对分位数回归的影响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：摘要直接分析测量误差对分位数回归函数的影响及其敏感性。
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
理解测量误差对分位数回归的影响
- 研究问题
- 解释变量测量误差如何改变条件分位数回归函数，真实解释变量的分布起何作用，又如何评估估计对误差大小的敏感性？
- 方法与思路
- 作者用小方差近似连接含误差与无误差的分位数函数，以精确计算检查近似，并用可估计的含误差变量密度替代真实密度。
- 材料陈述的贡献
- 摘要称，替换密度后近似误差的阶数不变，使研究者可以借助该近似分析不同测量误差程度下分位数估计的敏感性。
- 阅读关注点
- 应核对小方差展开的条件和余项、真实变量密度影响偏差的机制，以及密度替换与精确计算支持的误差范围。
- 阅读边界
- 仅据RePEc所载出版社摘要，近似误差的具体阶数和精度数值未说明；该方法不能直接解释为任意测量误差下的精确校正。
原文摘要
The impact of measurement error in explanatory variables on quantile regression functions is investigated using a small variance approximation. The approximation shows how the error contaminated and error free quantile regression functions are related. A key factor is the distribution of the error free explanatory variable. Exact calculations probe the accuracy of the approximation. The order of the approximation error is unchanged if the density of the error free explanatory variable is replaced by the density of the error contaminated explanatory variable which is easily estimated. It is then possible to use the approximation to investigate the sensitivity of estimates to varying amounts of measurement error.