Flexible Bayesian Quantile Analysis of Residential Rental Rates
住宅租金的灵活贝叶斯分位数分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确提出随机效应面板分位数回归并分析住宅租金异质性，直接支持面板数据与分位数、分布方向分类。
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…
住宅租金的灵活贝叶斯分位数分析
- 研究问题
- 在住宅租金面板中，如何同时刻画不同分位数、多个维度的异质性与时间不变协变量，并允许更灵活的偏斜分布？
- 方法与思路
- 作者构建随机效应分位数面板模型，以广义非对称 Laplace 分布分离偏斜与分位数参数，并采用模拟估计和边际似然比较。
- 材料陈述的贡献
- 摘要称，金融危机后美国租金应用在多数分位数和子样本中支持额外灵活性，其实际影响在远离中位数时可能较大。
- 阅读关注点
- 应核对随机效应与协变量的关系、分位数参数解释、先验和模拟算法，以及边际似然对先验与分布设定的敏感性。
- 阅读边界
- 所给来源为 arXiv 预印本，同行评审未经核实；摘要未给出数据构成、效应数值或因果识别，模型支持程度也需全文核验。
原文摘要
This article develops a random effects quantile regression model for panel data that allows for increased distributional flexibility, multivariate heterogeneity, and time-invariant covariates in situations where mean regression may be unsuitable. Our approach is Bayesian and builds upon the generalized asymmetric Laplace distribution to decouple the modeling of skewness from the quantile parameter. We derive an efficient simulation-based estimation algorithm, demonstrate its properties and performance in targeted simulation studies, and employ it in the computation of marginal likelihoods to enable formal Bayesian model comparisons. The methodology is applied in a study of U.S. residential rental rates following the Global Financial Crisis. Our empirical results provide interesting insights on the interaction between rents and economic, demographic and policy variables, weigh in on key modeling features, and overwhelmingly support the additional flexibility at nearly all quantiles and across several sub-samples. The practical differences that arise as a result of allowing for flexible modeling can be nontrivial, especially for quantiles away from the median.