Semiparametric efficiency bounds for seemingly unrelated conditional moment restrictions
研究了具有不同条件变量的条件矩约束模型的半参数有效界问题。我们的特点是这样的效率界，在一般情况下是不明确的，作为一个限制的明确的效率界的递减序列的无条件（边际）的时刻限制模型。一个迭代的过程中近似的有效分数时，这是不明确的。我们的理论结果完善和推广了文献中已有的结果，为文献中的半参数有效界理论提供了新的见解，并为新的应用打开了大门。特别是，我们研究了一类回归类（均值回归，分位数回归，.）缺少数据的模型
2011-11-28 math.ST stat.TH
Semiparametric copula-based quantile regression for semicontinuous outcomes with application to healthcare data
Department of Mathematics and Statistics, University of Windsor（温莎大学数学与统计系）
本文提出了一种半参数化copula基础的两阶段分位数回归框架，用于分析具有零点质量和连续正部分的半连续结果，通过copula条件分布链接发生和幅度过程，展示非线性依赖和协变量效应的灵活性，且在非线性依赖和显著零膨胀情况下优于logistic/线性回归。
2026-03-14 stat.ME
Semiparametric model averaging for high-dimensional quantile regression with nonignorable nonresponse
针对不可忽略缺失下的高维分位数回归，提出半参数模型平均方法，通过缺失机制估计与候选模型加权实现渐近最优。
2025-08-30 stat.ME
Panel semiparametric quantile regression neural network for electricity consumption forecasting
Institute of Statistics and Data Science, Nanjing Audit University（南京审计大学统计与数据科学学院）
在长期深化改革开放的过程中，我国电力工业取得了巨大成就。然而，由于我国区域经济、社会和自然条件复杂，电力资源分布不均，造成我国部分地区缺电。因此，需要建立一个可靠的电力预测模型。在此基础上，本文将人工神经网络与半参数分位数回归相结合，提出了一种面板半参数分位数回归神经网络（PSQRNN）。PSQRNN可以探索变量之间潜在的线性和非线性关系，解释未观察到的省级异质性，同时保持参数模型的可解释性。将惩罚分位数回归与LASSO、岭回归和反向传播算法相结合训练PSQRNN。为了评估预测精度，基于3种情景对1999 - 2018年中国各省用电量进行了实证分析。结果表明，PSQRNN模型在考虑经济和气候因素的情况下，能够更好地预测电力消费量。最后，通过预测，给出了未来$5$年（2019-2023年）中国各省用电量。
2021-03-01 cs.LG econ.EM stat.ML
New efficient estimation and variable selection methods for semiparametric varying-coefficient partially linear models
半参数模型的复杂性给实际应用中经常出现的统计推断和模型选择带来了新的挑战。在这项工作中，我们提出了新的半参数变系数部分线性模型的估计和变量选择程序。本文首先研究了非参数变系数函数和参数回归系数的分位数回归估计。为了达到良好的效率特性，我们进一步发展了一个半参数复合分位数回归程序。我们建立了参数和非参数部分的估计的渐近正态性，并表明估计达到最佳的收敛速度。此外，我们表明，该方法是更有效的比基于最小二乘的方法，许多非正态误差，它只失去了少量的效率为正常的错误。此外，它示出的效率损失是最多11.1%，估计变系数函数和不大于13.6%，估计参数分量。为了实现高维协变量的稀疏性，提出了半参数变系数部分线性模型中变量选择的自适应惩罚方法，并证明了该方法具有预言性质.进行了广泛的Monte Carlo模拟研究，以检查所提出的程序的有限样本性能。最后，我们应用新的方法来分析血浆β-胡萝卜素水平的数据。
2011-03-08 math.ST stat.TH
A Semiparametric Quantile Single-Index Model for Zero-Inflated Outcomes
针对微生物组零膨胀数据，提出半参数单指数分位数回归模型，放宽参数假设，适应零比例变化，并证明其拟合性能优越。
2025-03-27 stat.AP stat.ME
Estimating Generalized Additive Conditional Quantiles for Absolutely Regular Processes
针对严格平稳绝对正则过程，提出带未知链接函数的广义加性条件分位数非参数估计方法，并证明各估计量的相合速率、二阶渐近展开与逐点渐近正态性。
2023-06-06 math.ST stat.TH
Semiparametric empirical likelihood inference with estimating equations under density ratio models
密度比模型（DRM）为组合来自多信源的信息提供了一个灵活而有用的平台。在本文中，我们考虑的统计推断下的两个样本DRM的额外的参数定义通过和/或额外的辅助信息表示为估计方程。研究了DRMs中未知参数的最大经验似然估计（MELE）的渐近性质，并建立了经验似然比（ELR）统计量的卡方极限分布.我们表明，渐近方差的MELE的未知参数不减少，如果一个估计方程下降。获得类似的性质的推断的累积分布函数和分位数的每个涉及的人口。我们还提出了一个ELR测试的有效性和有用性的辅助信息。仿真研究表明，正确指定的估计方程的辅助信息的结果更有效的估计和更短的置信区间。两个真实数据的例子被用来说明。
2021-02-25 math.ST stat.ME stat.TH
A sieve M-theorem for bundled parameters in semiparametric models, with application to the efficient estimation in a linear model for censored data
在许多由两种类型的参数（感兴趣的欧几里得参数和无限维冗余参数）参数化的半参数模型中，这两个参数被捆绑在一起，即冗余参数是一个未知函数，它包含感兴趣的参数作为其参数的一部分。例如，在删失生存数据的线性回归模型中，未指定的误差分布函数涉及回归系数。基于对回归参数的有效估计方法的启发，本文提出了捆绑参数的一般筛分M定理，并应用该定理导出了删失生存数据线性回归模型筛分极大似然估计的渐近理论。所提出的估计方法的数值实现可以通过传统的基于梯度的搜索算法，如牛顿-拉夫逊算法。我们证明了所提出的估计是一致的，渐近正态的，并达到半参数有效界。仿真研究表明，所提出的方法在实际环境中表现良好，并产生更多的有效估计比现有的估计方程为基础的方法。文中还提供了一个实际数据的例子。
2012-03-12 math.ST stat.TH
Quantile Estimation of A general Single-Index Model
单指标模型是计量经济学中最常用的半参数模型之一。本文定义了一个分位数回归单指标模型，它包含了条件均值和条件方差的单指标结构。
2008-09-24 stat.ME
Semiparametric estimation of mutual information and related criteria : optimal test of independence
我们推导出独立性测试依赖措施阈值在半参数的上下文中。准确地说，通过φ-发散的对偶表示，得到了与联合分布及其边际的乘积分布之间的φ-发散相关联的φ-互信息的估计。建立了估计的渐近性质，包括相合性、渐近分布和大偏差原理。通过相对渐近Bahadur有效性和数值模拟比较了所得到的独立性检验。因此，本文提出的半参数Kullback-Leibler互信息检验是最优的。另一方面，该方法提供了一种新的方法估计Kullback-Leibler互信息在半参数设置，以及一个大类的依赖模型，包括半参数Copula的模型选择过程。
2015-08-19 math.ST stat.TH
Strong consistency of kernel estimator in a semiparametric regression model
与Li \cite{sir}引入的半参数回归模型相关的有效降维（EDR）空间的估计是基于给定响应的预测因子向量的条件期望的协方差阵$Λ$的估计。Zhu和Fang提出了基于核方法的$Λ$的估计量\cite{Asymptotics}，并在一定条件下得到了$\sqrt{n}\left(\widehatΛ_n-Λ\right)$的渐近分布为$n\rightarrow +\infty$ .本文在一定条件下得到了$\widehatΛ_n$到$Λ$的几乎必然收敛，即$n\rightarrow +\infty$ .
2018-11-06 math.ST stat.TH
Efficient estimation of copula-based semiparametric Markov models
本文研究了基于Copula函数的半参数严格平稳Markov模型的有效估计。这些模型的特点是非参数不变（一维边际）分布和参数二元Copula函数，其中Copula函数捕获的时间依赖性和尾部依赖的过程。通过尾相关Copula生成的马尔可夫过程可能看起来非常持久，并且在金融和经济应用中非常有用。我们首先证明了由Clayton，Gumbel和Student的$t$ copula及其生存copula生成的Markov过程都是几何遍历的.然后，我们提出了一个筛极大似然估计（MLE）的copula参数，不变分布和条件分位数。证明了光滑泛函的筛极大似然估计是根$n$相容的、渐近正态的和有效的，其筛似然比似然比统计量是渐近卡方分布的.蒙特卡洛研究表明，即使是通过尾依赖Copula和肥尾边缘生成的马尔可夫模型，我们的筛MLE表现得非常好。
2009-11-20 math.ST stat.TH
Locally Robust Semiparametric Estimation
Many economic and causal parameters depend on nonparametric or high dimensional first steps. We give a general construction of locally robust/orthogonal moment functions for GMM, where moment conditions have zero derivative with respect to first steps. We show that orthogonal moment functions can be constructed by adding to identifying moments the nonparametric influence function for the effect of the first step on identifying moments. Orthogonal moments reduce model selection and regularization bias, as is very important in many applications, especially for machine learning first steps. We gi…
2020-08-03 econ.EM math.ST stat.TH
Optimal Estimation under a Semiparametric Density Ratio Model
本文研究半参数密度比模型在样本量严重不平衡情形下的最优估计效率，证明小样本总体的参数、分布函数和分位数推断可达到参数模型水平的渐近效率，并通过模拟和真实收入数据加以验证。
2023-09-16 econ.EM math.ST stat.ME
Neural Networks for Partially Linear Quantile Regression
深度学习在各种应用中取得了巨大的成功，但它在分位数回归中的应用仍然很少。深度学习方法的一个主要优势是它可以以比非参数平滑方法更简洁的方式灵活地对复杂数据进行建模。然而，尽管深度学习在预测方面带来了突破，但由于具有数百万参数的多层结构的黑箱性质，它往往缺乏可解释性，因此它不太适合统计推断。在本文中，我们利用深度学习的优势将其应用于分位数回归，目标是产生可解释的结果并执行统计推断。我们通过采用基于部分线性分位数回归模型的半参数方法来实现这一点，其中统计推断的主要兴趣协变量线性建模，所有其他协变量通过深度神经网络非参数建模。除了新的方法，我们提供了理论证明所提出的模型，建立根$n$一致性和渐近正态性的参数系数估计和极小极大最优收敛速度的神经非参数函数估计。在几个模拟和真实数据的例子中，我们提出的模型根据经验产生了优于各种替代方法的估计和更准确的预测。
2021-06-11 math.ST stat.TH
Asymptotic theory for the semiparametric accelerated failure time model with missing data
本文考虑一类具有缺失数据的转换（或加速失效时间）模型的双加权秩估计方法，例如在病例队列研究中。所考虑的权重可能无法按照鞅随机过程公式的要求进行预测。我们把一般问题作为一个半参数估计方程问题，并利用经验过程理论证明了加权估计的渐近性质，无论是真权估计还是估计权估计.仿真结果表明，结果依赖加权方法适用于有限样本的病例队列研究，并提高了效率相比，基于可预测的权重的方法。此外，可以看出，当使用估计权重时，该方法甚至更有效，这在缺失数据文献中是常见的情况。Gehan删失数据Wilcoxon权重被发现是令人惊讶的效率在广泛的一类问题。
2009-08-21 math.ST stat.TH
Semiparametric conformal prediction
Prescient Design, Genentech（普雷赛特设计公司，基因泰克）；Stanford University（斯坦福大学）；New York University（纽约大学）
本文提出一种半参数共形预测方法，利用非参数 vine copulas 估计向量值非一致性分数的联合分布，并通过影响函数提升分位数估计效率，在保证渐近精确覆盖的同时可扩展到大量目标变量。
2025-03-11 cs.LG stat.ML
Quantile regression in partially linear varying coefficient models
半参数模型通常被认为是分析纵向数据的灵活性和简约性之间的良好平衡。本文研究了一类可能变系数的边际部分线性分位数模型。函数系数由基函数近似估计。估计过程易于实现，并且不需要指定误差分布。所提出的估计的渐近性质，以及为常系数的变系数建立。我们开发秩分数检验的假设的系数，包括假设的一个子集的恒定性的变化系数。这种类型的假设检验在理论上具有挑战性，因为在零假设和备择假设下的参数空间的维数随着样本量的增加而增加。我们评估有限样本性能的Monte Carlo模拟研究所提出的方法，并证明其价值的艾滋病数据集的分析，分位数的建模提供了更全面的信息比通常的最小二乘法。
2009-11-18 math.ST stat.TH
Instrumental variable quantile regression under random right censoring
研究了随机右截尾下具有内生变量的半参数分位数回归模型。使用工具变量解决了内隐问题。假设结局变量对数的结构分位数在协变量中是线性的，并且删失是独立的。回归量和工具可以是连续的或离散的。规格生成连续方程，其中分位数回归系数是解。当该方程组有唯一解时，可得到识别。我们的估计过程解决了一个经验模拟的方程组。我们推导出的条件下，估计是渐近正常的，并证明了自举过程的推断的有效性。有限样本的性能的方法进行了评估，通过数值模拟。国家职业培训合作法案研究的应用说明了这种方法。
2023-02-02 econ.EM math.ST q-bio.QM
High-dimensional varying index coefficient quantile regression model
随着越来越多的复杂模型被提出来整合现代科学和商业问题中复杂的数据结构，统计学习发展得越来越快。变指数模型是变系数模型和单指数模型的扩展，是半参数回归的最新发展。这类新的模型为描述回归分析中复杂的非线性相互作用效应提供了更大的灵活性。为了防止异常值和极端观测值，本文考虑了一种稳健的分位数回归方法来估计模型参数。在合理的理论条件下，我们的开发允许高维加载参数。此外，我们提出了一个正则化的估计程序之间的相互作用项的线性和非线性型的选择。我们可以同时选择显着的非零负载参数和识别线性函数在不同的指数系数模型，除了估计所有的参数和非参数成分一致。在技术假设下，我们证明了所提出的方法在变量选择和线性函数辨识方面是一致的，并且所提出的参数估计具有预言性质.进行了广泛的模拟研究，以评估所提出的方法的有限样本性能。我们用一个环境健康数据的例子来说明我们的方法。
2019-03-02 math.ST stat.TH
Consistency of full-sample bootstrap for estimating high-quantile, tail probability, and tail index
我们证明了全样本自助法对于构造单变量分布的高分位数、尾概率和其他尾参数的置信区间是渐近有效的。这解决了人们对这种自举方法有效性的怀疑。在我们广泛的模拟研究中，自举方法的总体性能优于标准渐近方法，表明自举方法至少与渐近方法一样好，如果不是更好的话，推断。本文还奠定了基础，发展引导方法推断多变量统计中的尾事件，这是特别重要的，因为一些非引导方法是复杂的。
2020-04-27 math.ST stat.ME stat.TH
Efficient semiparametric estimation in time-varying regression models
研究了具有时变系数、相依回归变量和相依误差的线性回归模型的半参数推断问题。这个问题最近被Zhang和Wu（2012）在函数相关测度下考虑，由于简约原因或用于测试线性回归模型中某些系数的稳定性，这个问题很有趣。在本文中，我们提出了一个不同的程序估计非时变参数的速率根n，在Robinson（1988）介绍的方法的精神，部分线性模型。当模型中的误差是鞅差时，这种方法可以得到比Zhang和Wu（2012）中考虑的方法更有效的估计。对于具有条件高斯误差和外生协变量的时变AR过程，我们从适用于三角阵列的卷积定理中导出了有效信息矩阵的概念。对于独立但非同分布的高斯误差，我们构造了一个半参数意义下的渐近有效估计。
2017-07-17 math.ST stat.TH
A spline-assisted semiparametric approach to non-parametric measurement error models
众所周知，有误差测量的随机变量的非参数密度和回归函数估计的极小极大收敛速度比无误差情况下的收敛速度慢得多。令人惊讶的是，我们表明，如果一个人愿意施加一个相对温和的假设，要求易错变量有一个紧凑的支持，那么结果可以大大改善。我们描述了新的建设性的方法，充分利用样条辅助半参数方法的紧支持假设。我们进一步证明，新的估计实现了通常的非参数率估计密度和回归函数，如果没有测量误差。证明涉及线性和双线性算子理论、半参数理论、B样条的渐近分析以及积分方程的处理。新方法的性能通过几个模拟和一个数据例子来证明。
2019-08-19 math.ST stat.TH
Semiparametric Estimation of Structural Functions in Nonseparable Triangular Models
具有不可加性可分离的不可观测异质性的三角系统为复杂结构关系的建模提供了一个理论上有吸引力的框架。然而，由于需要大量支持识别的外生变量，估计中的维数灾难以及缺乏推理工具，它们在实践中并不常用。本文介绍了两类半参数不可分三角模型，解决这些限制。它们基于内生变量的简化形式条件分布的分布和分位数回归建模。我们发现，平均，分布和分位数结构功能，确定在这些系统中，通过控制功能的方法，不需要一个大的支持条件。我们提出了一个计算上有吸引力的三阶段的过程来估计的结构功能，其中前两个阶段包括分位数或分布回归。我们为每个阶段提供了渐近理论和统一的推理方法。特别地，我们得到了结构函数的分布回归估计的泛函中心极限定理和bootstrap泛函中心极限定理。这些结果建立了结构函数的三阶段估计的自举的有效性，并导致简单的推理算法。我们用数值模拟和需求分析的实证应用说明了我们所有方法的实施和适用性。
2019-10-05 econ.EM stat.ME
Partially linear additive quantile regression in ultra-high dimension
本文考虑了一个分析高维异质数据的灵活半参数分位数回归模型。该模型具有以下特点：（1）通过考虑不同的条件分位数，可以得到一个更完整的响应变量的条件分布的图片给定高维协变量。(2)在不同的分位数级别上，允许稀疏性级别不同。(3)部分线性加性结构适应非线性并避免维数灾难。(4)它对重尾分布自然具有鲁棒性。本文采用B样条基函数逼近非线性分量。我们首先研究了当非零分量事先已知且线性部分的协变量个数发散时该模型下的估计。然后，我们研究了同时变量选择和估计的非凸惩罚估计。在松弛条件下，我们得到了一类具有超高维协变量的非凸罚函数的预言性质。为了解决非光滑损失函数、非凸罚函数和非线性成分的存在等问题，我们将最近发展起来的凸差分方法与现代经验过程技术相结合.蒙特卡罗模拟和应用程序的微阵列研究表明，所提出的方法的有效性。我们还讨论了如何为一个单一的分位数的方法可以扩展到同时变量选择和估计在多个分位数。
2016-01-22 math.ST stat.TH
The Impact of Stocks on Correlations between Crop Yields and Prices and on Revenue Insurance Premiums using Semiparametric Quantile Regression
本文提出使用带惩罚B样条的半参数分位数回归估计农作物产量与价格的库存条件联合分布，发现相关性随库存增加负值减弱，并证明忽略该关系会导致收入保险保费定价偏差。
2024-06-05 econ.GN q-fin.EC stat.ME
Bootstrap consistency for general semiparametric $M$-estimation
考虑半参数模型中的$M$ -估计，该模型的特征在于一个欧几里德参数和一个无限维冗余参数。作为一种通用的统计推断方法，Bootstrap方法在半参数$M$ -估计中得到了广泛的应用，并且由于其简单性，它为基于渐近分布理论的推断方法提供了一种有吸引力的替代方法。本文的目的是提供理论上的理由使用自助作为半参数推理工具。我们表明，在一般条件下，自助是渐近一致的分布估计的$M$ -估计欧几里德参数，即自助分布渐近模仿分布的$M$ -估计。我们还证明了自举置信集具有渐近正确的覆盖概率。这些一般性的结论，特别是，当冗余参数是不可估计的根$n$率，并适用于广泛的一类可交换的引导权重的引导方法。本文首次对半参数模型中的自助法进行了一般性的理论研究。
2011-02-03 math.ST stat.TH
Weighted empirical likelihood for quantile regression with nonignorable missing covariates
本文提出了协变量不可分离的分位数回归模型中回归参数的经验似然加权估计。建议的估计是计算简单，实现半参数效率，如果完全观察到的变量的缺失概率被正确指定。理论上量化了所提出的估计器相对于完整案例分析估计器的效率增益，并通过仿真和真实数据应用进行了说明。
2017-10-07 stat.ME
Semiparametric estimation of volatility functions of diffusion processes from discretely observed data
本文给出了一个估计波动率状态的半参数模型，定义波动率为随机微分方程的平方扩散系数。在不假设波动率函数的任何函数形式的情况下，我们将波动率状态视为状态空间模型中的不可观测状态，并通过滤波来估计它。通过使用估计，我们可以得出关于波动率在过程的可观察状态后面具有什么样的函数的信息。我们还证明了该模型的一致性，在这个意义上，估计的状态收敛到真实的观察时间间隔为零。此外，从数值的角度来看，我们进行了数值实验的例子随机微分方程的线性/非线性波动函数，以检查是否可以实际估计的波动率和捕获的信息，其功能形式。
2007-07-18 math.ST stat.TH
Average Density Estimators: Efficiency and Bootstrap Consistency
本文强调了半参数效率和自举一致性之间的紧张局势的背景下，一个典型的半参数估计问题，即估计的平均密度的问题。结果表明，虽然简单的插件估计遭受偏见的问题，防止他们在最小的平滑条件下实现半参数效率，非参数引导自动纠正这种偏见，因此，这些看似低劣的估计实现引导一致性最小的平滑条件下。相比之下，几个“去偏”估计，实现半参数的最小光滑条件下的效率不实现自举一致性在这些相同的条件下。
2020-12-20 econ.EM math.ST stat.TH
Smoothed estimating equations for instrumental variables quantile regression
工具变量分位数回归的矩条件或估计方程涉及到不连续指示函数。相反，我们使用平滑估计方程（SEE），带宽为$h$。我们表明，SEE的向量的均方误差（MSE）是最小化的一些$h>0$，导致较小的渐近MSE的估计方程和相关的参数估计。相同的MSE最优$h$还最小化了基于SE的$χ^2$检验的高阶第一类错误，并增加了大样本中的大小调整功效。SEE估计量的计算也变得更简单，更可靠，特别是（更多）内生回归。蒙特卡罗模拟在有限样本中证明了所有这些优越的特性，并且我们将我们的估计器应用于JTPA数据。平滑估计方程不仅仅是建立Edgeworth展开和自举精化的技术操作;它还带来了更精确的估计和更强大的测试的真正好处。估计器、模拟和经验示例的代码可从第一作者的网站获得。
2016-09-28 econ.EM math.ST stat.AP
Semiparametric Estimation of Dynamic Discrete-Choice Models
我们考虑在半参数环境下的动态离散选择模型的估计，其中每个周期的效用函数是已知的有限数量的参数，但效用冲击的分布是不确定的。这种半参数设置不同于大多数现有的动态离散选择模型的识别和估计文献。为了证明识别，我们推导并利用了效用冲击的未知分位数函数的新的Bellman式递归表示。我们的估计是简单的计算，有些是简单的，不需要迭代，并类似于经典的估计文献中的半参数回归和平均导数估计。蒙特卡罗模拟表明，我们的估计表现良好，在小样本。为了突出这个估计器的功能，我们估计一个结构模型的动态劳动力供给纽约市出租车司机。
2016-05-26 stat.AP
Center-Outward Distribution Functions, Quantiles, Ranks, and Signs in $\mathbb{R}^d$
作为分位数和涉及秩和符号的分布函数的单变量概念不规范地扩展到$\mathbb{R}^d, d\geq 2$。它产生了丰富的文学作品。第1章表明，与迄今为止提出的许多定义不同，在Escherzhukov et al.（2017）中引入的基于测量传输的定义具有使单变量分位数和半参数统计推断的成功工具排名的所有属性。因此，我们提出了一个新的中心向外定义的多元分布和分位数函数，以及他们的经验同行，我们得到一个Glivenko-Cantelli结果。我们的方法是几何的，与Monge-Kantorovich的方法相反。（2017），不需要任何力矩假设。由此产生的行列和符号是严格的分布自由，和最大不变的行动下的数据驱动类（保序）的转换生成的家庭绝对连续分布，该属性是半参数的效率保持性能的行列的理论基础。相应的分位数在相同的变换下是等变的。经验提出的分布函数仅在观测值处定义。一个连续的扩展到整个$\mathbb{R}^d$，产生连续的经验分位数轮廓，同时保持单调性和Glivenko-Cantelli功能是可取的。这样的扩展需要解决一个非平凡的问题，光滑插值循环单调性约束下。第二章给出了这个问题的完整解;我们证明了所得分布和分位数函数是Lipschitz的，并给出了Lipschitz常数的一个精确下界。数值研究的经验中心向外分位数的轮廓和他们的一致性进行。
2020-02-27 stat.ME
Estimation of population-level summaries in general semiparametric repeated measures regression models
本文考虑了一个广泛的家庭半参数重复测量回归模型，其中的主要兴趣是估计人口水平的数量，如均值，方差，概率等，我们的框架的例子包括集群/纵向数据的广义线性模型，等等。我们推导出插件的基于核的估计的人口水平的数量，并得出其渐近分布。一个例子，涉及估计的生存功能的血红蛋白措施在肯尼亚血红蛋白研究数据来证明我们的方法。
2008-05-15 math.ST stat.ME stat.TH
Estimation of conditional inequality curves and measures via estimating the conditional quantile function
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）；Institute of Mathematics Polish Academy of Sciences（波兰科学院数学研究所）
本文扩展经典不平等测度至条件情形，提出基于保序回归的无交叉条件分位数估计法，证明一致性并模拟验证，应用于年龄组薪资不平等分析。
2026-10-05 math.ST stat.AP stat.ME
Bayesian Endogenous Tobit Quantile Regression
本研究提出$p$ -th Tobit分位数回归模型，并加入内生变数.在内生变量对外生变量的第一阶段回归中，引入了误差项的第$α$分位数为零的假设。然后，将该回归模型的残差包含在第$p$分位数回归模型中，以使新误差项的第$p$条件分位数为零。第一阶段回归的误差分布模型周围的零$α$ -th分位数的假设，通过使用参数和半参数的方法。由于$α$的值是先验未知的，因此将其视为附加参数，并根据数据进行估计。然后，通过使用模拟数据和实际数据的已婚妇女的劳动力供应的建议模型进行了演示。
2015-12-05 stat.ME
An Adapted Loss Function for Censored Quantile Regression
在本文中，我们研究了一种新的方法估计分位数时，面临潜在的右删失的反应。与现有文献相反，本文所采用的策略是在通常用于计算分位数的损失函数（所谓的“检查”函数）的非常水平上处理删失。为了解释的目的，一个简单的比较，后者揭示了如何审查占在新提出的损失函数。随后，当考虑纳入协变量的条件分位数估计，通过定义一个新的一般损失函数，所提出的方法打开了大门，许多参数，半参数和非参数建模技术。为了说明这一点，我们考虑了研究充分的线性回归的真实响应和删失变量之间的条件独立的通常假设。对于实际最小化的研究损失函数，我们还提供了一个简单的算法程序，以产生令人满意的结果，相对于现有的文献中广泛的模拟研究的估计。从一个更理论的前景，线性回归的估计的一致性得到使用非光滑半参数估计方程的无限维讨厌的参数的最新结果，而数值例子说明了一个简单的引导程序的推理目的的充分性。最后，一个实际数据集的应用程序被用来进一步说明所提出的估计的有效性和有限样本性能。
2017-03-23 stat.ME
The Nonparanormal: Semiparametric Estimation of High Dimensional Undirected Graphs
最近的方法估计稀疏无向图的实值数据在高维问题中严重依赖于正态性的假设。我们将展示如何使用半参数高斯copula-或“非超自然”-高维推理。就像加法模型通过用一组一维光滑函数替换线性函数来扩展线性模型一样，非超常模型通过用光滑函数变换变量来扩展正常模型。我们推导出一种方法来估计nonparanormal，研究该方法的理论性质，并表明它在许多例子中工作得很好。
2009-03-03 stat.ML
Bandwidth-Free Inference for Recursive Nonlinear Impulse Response Functions
University of São Paulo（圣保罗大学）；Columbia University（哥伦比亚大学）
针对半参数递归构造的一阶推断理论缺口，提出用结构残差经验分位数替代创新分位数的估计量，建立联合渐近线性表示，实现无需分位数平滑的无带宽推断。
2026-08-05 econ.EM math.ST stat.TH
Estimating Systemic Risk within Financial Networks: A Two-Step Nonparametric Method
本文针对CoVaR估计中多元分位数条件不可观测的难题，提出基于蒙特卡洛模拟数据的两步非参数方法，先以次序统计量估计多元分位数，再用核方法估计条件分位数，并证明其一致性与渐近正态性，数值实验验证了方法的有效性。
2023-10-28 math.ST q-fin.RM q-fin.ST
Smoothed quantile regression processes for binary response models
本文考虑了具有线性分位数限制的二元响应模型。相当概括以前的研究在这个问题上，我们的分析集中在无限收集的分位数估计。我们得到一个统一的线性化适当标准化的经验分位数的过程中，发现一些令人惊讶的差异与设置连续观察到的反应。此外，我们表明，考虑分位数过程提供了一种有效的方法来估计二进制选择概率，而无需限制性假设的形式的链接函数，异方差或需要高维非参数平滑的方法，到目前为止。一个统一的线性表示和渐近正态性的结果，并讨论了重排的连接。
2019-04-04 math.ST stat.ME stat.TH
A simulation study comparing statistical approaches for estimating extreme quantile regression with an application to forecasting of fire risk
本研究通过模拟框架比较了多种极值分位数回归估计方法在火灾风险预测中的表现，发现最高气温与火灾频率正相关，并提出混合策略以提升极端事件预测的准确性与可解释性。
2025-06-29 stat.ME
Statistical Efficiency and Inference of Quantile Distributional Reinforcement Learning
Peking University（北京大学）；Tsinghua University（清华大学）
研究基于分位数的分布强化学习的统计效率，通过分位数投影分布贝尔曼方程构建估计器，建立非渐近误差界，推导渐近分布，刻画半参数效率界，研究分位数数量发散情况并建立定理，为相关推断提供基础。
2026-07-14 cs.LG stat.ML
D-vine copula based quantile regression
分位数回归，即条件分位数的预测，在统计建模和金融应用中逐渐获得重要性。作者介绍了一种新的半参数分位数回归方法的基础上，顺序拟合的似然最优D-藤copula给定的数据，导致高度灵活的模型，易于提取的条件分位数。作为正则vine copula的一个子类，D-vines使得能够根据二元构建块对多元copula进行建模，即所谓的pair-copula构造（PCC）。该算法的工作速度快，准确，即使在高维，并采用了自动变量选择最大化的条件对数似然。此外，分位数回归的典型问题，如分位数交叉或变换，变量的相互作用和共线性，都将自动处理。在一个模拟研究中，与已建立的分位数回归方法相比，该方法提高了精度并节省了计算时间。国际信用违约互换（CDS）数据，包括压力测试和风险价值（VaR）预测的广泛的金融应用表明，所提出的方法的实用性。
2016-11-16 stat.ME
Learning rates for the risk of kernel based quantile regression estimators in additive models
可加模型在半参数统计中起着重要的作用。本文给出了正则化核方法的学习率。这些学习率比较有利，特别是在高维度的最佳学习率为纯粹的非参数正则化内核为基础的分位数回归使用高斯径向基函数内核的最近的结果，提供了一个加性模型的假设是有效的。另外，通过一个具体例子说明了只依赖于一个变量的高斯函数位于由加性高斯核生成的再生核Hilbert空间中，而不属于由相同方差的多元高斯核生成的再生核Hilbert空间.
2014-05-14 stat.ML
Joint Quantile Regression for Spatial Data
线性分位数回归是研究预测因子如何在不同分位数水平上不均匀地影响响应的强大工具。不幸的是，现有的方法发现它非常难以调整观察单元之间的任何依赖性，主要是因为这样的方法不是基于一个完全生成的数据模型。为了分析空间索引数据，我们通过推广Yang和Tokdar（2017）的联合分位数回归模型来解决这个困难，并通过高斯或$t$ copula过程来表征观测单位的基础分位数水平的空间依赖性。引入贝叶斯半参数方法来进行模型参数的推断和进行空间分位数平滑。提供了一个有效的模型比较标准，特别是在不同的模型规格的尾部重量和尾部依赖之间进行选择。广泛的模拟研究和美国东北部的颗粒物浓度的应用，以说明在推理质量，准确性和不确定性量化现有的替代品的实质性收益。
2019-10-29 stat.ME
Model Averaging based Semiparametric Modelling for Conditional Quantile Prediction
在实际数据分析中，底层模型往往是未知的，建模策略对数据分析的成功起着关键作用。受模型平均化思想的启发，我们提出了一种新的半参数建模策略，用于条件分位数预测，而无需假设底层模型是任何特定的参数或半参数模型.由于交叉验证法选择的权值具有最优性，因此该建模策略的预测结果比常用的变系数模型和加性模型等半参数模型的预测结果更准确。渐近性质建立的建模策略连同其估计过程。进行了深入的模拟研究，以证明如何以及所提出的方法的作品，在各种情况下，与其替代品相比。结果表明，所提出的方法确实导致更准确的预测比它的替代品。最后，将所提出的建模策略及其预测方法应用于波士顿的住房数据，得到了比常用的替代方法更准确的住房价格分位数预测，从而为我们提供了一个更准确的波士顿住房市场的图景。
2022-03-18 math.ST stat.ME stat.TH
Estimation of Extreme Quantiles for Functions of Dependent Random Variables
本文提出了一种估计多个相依随机变量函数极值分位数的新方法。与基于极值理论的传统方法相比，我们不施加条件，即底层分布的尾部允许近似的参数形式，而且，我们的估计利用了完整的观测数据。所提出的方法是半参数的，因为没有参数的形式假定所有的边缘分布。但是我们利用最近在构造高维藤连接函数方面的发展，选择合适的二元连接函数来模拟联合依赖结构。因此，从拟合的联合分布中抽取一个大的自助样本得到的样本分位数被用作极值分位数的估计量。证明了该估计量是相容的。仿真结果进一步说明了该方法的可靠性和鲁棒性。
2013-11-21 stat.ME
Causal Spatial Quantile Regression
针对空间因果推断中因果效应的空间与分位数异质性问题，提出基于半参数神经网络的深度空间分位数回归因果框架及SQTE插件估计量，含空间隐藏混杂调整，仿真和北卡孕妇吸烟实例验证了其有效性。
2025-09-02 stat.ME
Doubly Robust Semiparametric Inference Using Regularized Calibrated Estimation with High-dimensional Data
考虑半参数估计，其中低维参数的双稳健估计函数可用，取决于两个工作模型。对于高维数据，我们开发了正则化校准估计作为估计两个工作模型中的参数的一般方法，使得如果两个工作模型中的任一个被正确指定，则可以在适当的稀疏条件下获得感兴趣的参数的有效Wald置信区间。我们提出了一个计算上易于处理的两步算法，并提供了严格的理论分析，证明了足够快的收敛速度的正则化校准估计，尽管顺序建设，并建立了所需的渐近扩展的双重鲁棒估计。作为具体的例子，我们讨论了部分线性，对数线性和逻辑模型和估计的平均处理效应的应用。在前三个例子的数值研究表明，我们的方法优越的性能相比，去偏Lasso。
2020-09-25 stat.ME
Smoothed quantile regression for censored residual life
我们考虑了一个回归模型的分位数的剩余寿命，剩余寿命在一个特定的时间。我们提出了一个光滑的诱导版本现有的非光滑估计方程的方法估计回归参数。所提出的估计方程是光滑的回归参数，所以解决方案可以很容易地通过标准的数值算法得到。此外，在建议的估计方程的光滑性，使人们能够获得一个强大的ESTA型协方差估计的回归估计的辅助下，一个有效的恢复方法。为了处理右截尾数据，采用截尾权的逆概率作为权值。建立了估计量的相合性和渐近正态性。广泛的模拟研究进行验证所提出的估计在各种有限样本设置的性能。我们将所提出的方法应用于牙科研究数据，以评估牙科牙齿的寿命。
2022-05-01 stat.CO
Model averaging with mixed criteria for estimating high quantiles of extreme values: Application to heavy rainfall
Honam Research Division, Electronics and Telecommunications Research Institute（韩国电子与电信研究院湖南研究部）；Department of Statistics, Chonnam National University（全南大学统计系）
本文提出基于混合标准的模型平均法，用于更准确地估计极值高分位数，应用于暴雨数据以提高预测精度和风险评估效果。
2026-02-23 stat.CO stat.ME
Tail Risk Equivalent Level Transition and Its Application for Estimating Extreme $L_p$-quantiles
针对$L_p$-分位数尾部风险转换机制不明的问题，本文提出尾部风险等价水平转换（TRELT）概念，推导其存在性、唯一性与渐近性质，基于该转换提出极端$L_p$-分位数的新外推估计方法，并通过模拟和真实数据验证了方法的有效性。
2024-12-13 stat.ME
