Model-aware Quantile Regression for Discrete Data
分位数回归将响应的分位数与线性预测因子相关联。对于离散响应分布，如泊松分布、二项分布和负二项分布，这种方法不可行，因为分位数函数不是双射的。我们认为，使用连续的模型感知插值的分位数函数，允许适当的分位数推断，同时保留模型解释。这种方法允许适当的不确定性量化，并减轻分位数交叉的问题。我们对Congdon（2017）中考虑的住院数据的重新分析显示了我们的建议的优势，以及在疾病映射的背景下引入一种新的方法来利用分位数回归。
2019-03-18 stat.ME
Causal Inference for Heterogeneous Extreme Quantiles with Heavy-Tailed Outcomes
Nanjing University of Information Science and Technology（南京信息工程大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Rice University（莱斯大学）；Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）；School of Statistics, East China Normal University（华东师范大学统计学院）
该研究针对重尾结果的观察性研究，提出结合IPW分位数回归与极值理论的框架估计CEQTEs，建立相关理论并通过模拟和NLSY79数据验证了方法的有效性。
2026-09-04 stat.ME
D-vine quantile regression with discrete variables
分位数回归是对条件分位数的预测，在各个领域都有应用。通常，一些或所有变量都是离散的。作者提出了两种新的分位数回归方法来处理这种混合离散-连续数据。这两种方法都推广了连续D-vine分位数回归，其中响应和协变量之间的依赖关系由参数D-vine建模。D-vine分位数回归提供了非常灵活的模型，可以实现准确和快速的预测。此外，它自动处理经典分位数回归的主要问题，如分位数交叉和协变量之间的相互作用。第一种方法保持了D-葡萄树的参数估计，但修改了公式以考虑离散性。第二种方法使用连续卷积来估计D-vine，以使离散变量连续，然后非参数地估计D-vine。一个模拟研究，检查的情况下，离散连续的D-藤分位数回归可以提供更好的预测能力。最后，两个介绍的方法的功能证明了一个现实世界的例子预测的自行车租赁数量。
2017-05-23 stat.ME
A flexible quantile mixed-effects model for censored outcomes
Syneos Health；Department of Mathematical Statistics and Actuarial Science, University of the Free State（自由州大学数学统计与精算科学系）；I-BioStat, KU Leuven（KU鲁汶大学生物统计研究所）；Department of Statistics and Actuarial Science, University of Stellenbosch（斯泰伦博斯大学统计与精算科学系）
本文提出了一种基于SEP分布的分位数混合效应模型，用于处理截断纵向数据，相较于SL模型，该方法在偏斜性冲突时表现更稳定。
2025-11-20 stat.ME
Distributional synthetic controls
本文扩展了广泛使用的综合控制估计评估的因果影响的政策变化的分位数函数。所提出的方法提供了一个几何上忠实的估计整个反事实分位数函数的治疗单位。它的吸引力源于通过受约束的分位数对分位数回归的有效实现。这构成了独立利益的新概念。该方法提供了一个独特的反事实分位数函数在任何情况下：连续，离散或混合分布。它在重复的横截面和面板数据中运行，仅需一个预处理期。文章还提供了抽象的识别结果，表明任何合成控制方法，经典或我们的推广，提供了正确的反事实的因果模型，保持结果分布之间的距离。使用整个分位数函数而不是聚合值可以测试反事实分布和观察分布的相等性和随机优势。它可以提供标准结果的因果推断，如平均或分位数处理效应，但也可以提供更一般的概念，如反事实洛伦兹曲线或四分位数间距。
2021-12-30 econ.EM stat.ME
Inverting estimating equations for causal inference on quantiles
针对因果推断多聚焦均值、分位数信息利用不足的问题，提出基于逆估计方程的统一框架，将均值因果推断方法推广至分位数，推导了有效影响函数与估计量渐近性质，可复用现有均值因果推断结论拓展分位数因果分析。
2024-08-14 math.ST stat.ME stat.ML
Longitudinal quantile regression in presence of informative drop-out through longitudinal-survival joint modeling
我们提出了一个联合模型的时间到事件的结果和一个分位数的连续响应重复测量随着时间的推移。分位数和生存过程通过共享的潜在变量和显式变量相关联。我们的联合模型提供了一个灵活的方法来处理信息脱落分位数回归。提出了一种基于重要性抽样的蒙特卡罗期望最大化策略，该策略可直接应用于纵向结果和随机效应的任意分布假设以及基线风险的参数和非参数假设。模型属性说明通过模拟研究和应用程序的原始数据集扩张型心肌病。
2014-04-04 stat.ME
Network and Panel Quantile Effects Via Distribution Regression
本文提供了一种方法来构造非线性网络和面板模型中的分位数函数和分位数效应的同时置信带，具有不可观察的双向效应，严格外生协变量，并可能离散的结果变量。该方法基于由固定效应分布回归估计量构造的分布函数的同时置信带的投影。这些固定效应估计量是去偏的，以处理附带参数问题。在数据集的两个维度以相同速率增长的渐近序列下，分位数函数和效应的置信带在大样本中具有正确的联合覆盖。贸易引力模型的实证应用说明了网络数据的方法的适用性。
2020-06-08 econ.EM stat.ME
Varying-coefficients for regional quantile via KNN-based LASSO with applications to health outcome study
Sungkyunkwan University（成均馆大学）
本文提出基于KNN融合Lasso的变系数区域分位数回归框架，用于刻画健康结局与风险因素随年龄变化的关联，并给出ADMM求解算法及理论与实证支持。
2023-08-08 cs.LG stat.ME stat.ML
Bayesian quantile regression analysis for continuous data with a discrete component at zero
在这项工作中，我们展示了一个贝叶斯分位数回归方法，以响应变量的混合离散-连续分布与一个点质量为零，这些观察被认为是左删失或真零。我们结合分位数回归分析提供的信息，给出了一个更完整的描述被删失的概率，给定的观察值等于零，同时还研究了连续部分的条件分位数。我们从文献中的相关模型建立了一个马尔可夫链蒙特卡罗方法来获得样本的后验分布。我们证明了该模型的适用性，以分析这种删失概率与模拟的例子和两个应用程序与真实数据。第一个是一个众所周知的数据集从计量经济学文献中的妇女劳动力在英国和第二个考虑的统计分析的支出与耐用品，考虑来自巴西的信息。
2015-11-18 stat.ME
A novel quantile-based decomposition of the indirect effect in mediation analysis with an application to infant mortality in the US population
在中介分析中，暴露（或治疗）对结果变量的影响被分解为两个部分：直接影响，涉及暴露对结果的直接影响，以及间接影响，暴露通过称为中介的第三个变量对结果施加影响。我们的激励性例子涉及母亲吸烟（暴露，$X$）、出生体重（中介，$M$）和婴儿死亡率（结果，$Y$）之间的关系，多年来，这一点吸引了流行病学家和统计学家的兴趣。我们引入了新的因果被估量，命名为$u$ -特定的直接和间接影响，描述了直接和间接影响的暴露结果在一个特定的分位数$u$的中介，$0 < u < 1$。在连续可重复性下，我们得到了一个有趣的和新颖的分解$u$特定的间接效应。这种分解的组成部分有一个简单的解释，并可以提供新的见解间接影响的机制的复杂性。我们使用美国人口中婴儿死亡率的数据来说明所提出的方法。我们提供的分析证据支持婴儿猝死综合征的风险不能通过出生体重分布的变化来预测的假设。
2017-10-03 stat.ME
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
Doubly Robust Estimators of Quantile Treatment Effects With Semiparametric Cumulative Probability Models
Vanderbilt University Medical Center（范德比尔特大学医学中心）；Keck School of Medicine of the University of Southern California（南加州大学凯克医学院）
针对现有分位数处理效应（QTE）估计方法对模型误设敏感的问题，提出基于半参数累积概率模型（CPM）的双重稳健QTE估计框架，开发两种估计策略并通过模拟和HIV数据验证其有效性。
2026-08-12 stat.ME
Quantile Regression of Latent Longitudinal Trajectory Features
分位数回归在纵向数据分析中已显示出很好的应用前景。现有的工作主要集中在模拟横截面的结果，而结果轨迹往往携带更多的实质性信息在实践中。在这项工作中，我们开发了一个轨迹分位数回归框架，旨在稳健和灵活地调查潜在的个人轨迹特征与观察到的主题特征。所提出的模型是建立在建模与通常的参数假设解除或放松。我们得到我们的估计过程中，新奇的转换问题在手的分位数回归与扰动响应和适应的偏差校正技术处理协变量测量误差。我们建立了期望的渐近性质，包括一致相合性和弱收敛性。大量的仿真研究证实了所提出的方法的有效性以及其鲁棒性。DURABLE试验的应用揭示了合理的科学发现，并说明了我们建议的实用价值。
2018-06-18 stat.ME
Compositional Outcomes and Environmental Mixtures: the Dirichlet Bayesian Weighted Quantile Sum Regression
本研究提出Dirichlet-BWQS回归，用于联合建模组合结局与环境混合物，可同时估计混合物权重及总体暴露指数与各结局比例的关联，并通过模拟和真实数据验证，提供R包实现。
2025-03-28 stat.AP stat.ME
Model-assisted sensitivity analysis for treatment effects under unmeasured confounding via regularized calibrated estimation
考虑使用敏感性分析估计未测量混杂情况下的平均处理效应，假设满足边际敏感性模型。在人口水平上，我们提供了新的表示尖锐的人口界和双重强大的估计功能，最近来自多恩，郭和Kallus。我们还根据加权线性结果分位数回归推导出新的、宽松的种群界限。在样本水平上，我们开发了新的方法和理论，不仅获得双重稳健的点估计的放松人口界相对于误指定的倾向得分模型或结果均值回归模型，但也模型辅助的置信区间是有效的，如果正确指定的倾向得分模型，但结果分位数和均值回归模型可能被误指定。如果正确指定了结果分位数回归，则放松的总体边界减少到锐边界。对于线性结果均值回归模型，置信区间也具有双重稳健性。我们的方法涉及正则化校准估计，Lasso惩罚，但精心选择的损失函数，拟合倾向得分和结果的平均值和分位数回归模型。我们提出了一个模拟研究和实证应用的观察性研究的影响，右心导管插入术。
2022-09-23 stat.ME
Interactive Q-learning for Probabilities and Quantiles
动态治疗方案是一系列决策规则，其中每个决策规则基于患者病史的特征（例如过去的治疗和结果）推荐治疗。用于从数据估计最佳动态治疗方案的现有方法优化响应变量的平均值。然而，平均值可能并不总是最合适的绩效总结。我们得出的决策规则，优化概率和分位数计算相对于两阶段，二进制治疗设置的响应分布的估计。这使得能够估计动态治疗方案，该方案优化了在预先指定的点或预先指定的响应分布分位数（如中位数）处的响应的累积分布函数。所提出的方法在仿真实验中表现良好。我们用一个顺序随机试验的数据来说明我们的方法，该试验的主要结局是抑郁症状的缓解。
2015-05-21 stat.ME
Smooth and shape-constrained quantile distributed lag models
针对传统分布滞后模型无法捕捉暴露-结局关系异质性及极端分位数临床价值的问题，提出两种带光滑性与形状约束的分位数分布滞后模型估计量，经科罗拉多出生队列数据验证可有效识别孕期易感关键窗口。
2024-08-15 stat.AP stat.ME
Confounding-adjustment methods for the causal difference in medians
对于连续结果，平均因果效应通常使用预期潜在结果的对比来定义。然而，在结果数据存在偏差的情况下，预期可能不再有意义。在实践中，典型的方法是“忽略或变换”-完全忽略偏度或变换结果以获得更对称分布，尽管这两种方法都不完全令人满意。或者，因果效应可以被重新定义为中位数潜在结果的对比，但估计这一参数的混淆调整方法的讨论是有限的。在这项研究中，我们描述和比较了混淆调整方法，以解决这一差距。考虑的方法是多变量分位数回归，逆概率加权（IPW）估计，加权分位数回归和两个鲜为人知的实现g-计算这个问题。出于澳大利亚儿童纵向研究中的队列调查的动机，我们进行了一项模拟研究，发现IPW估计，加权分位数回归和g-计算实现最小化偏差时，正确指定的相关模型，与g-计算另外最小化方差。这些方法为常见的“忽略或转换”方法和多变量分位数回归提供了有吸引力的替代方案，增强了我们获得有意义的因果效应估计的能力。
2023-02-03 stat.ME
Nonparametric efficient inference for network quantile causal effects under partial interference
Washington University in St. Louis（圣路易斯华盛顿大学）；Yale School of Public Health（耶鲁公共卫生学院）
本文研究了在部分干扰下网络分位数因果效应的非参数高效推断方法，提出了一种非参数高效估计器，具有参数一致性且允许灵活的数据自适应估计复杂 nuisance 函数。
2026-04-14 stat.AP stat.ME stat.ML
Tail-Calibrated Estimation of Extreme Quantile Treatment Effects
School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学院）
本文提出TIEE框架，结合不同分位数信息，利用极值模型校准尾部，解决极值分位数处理效应估计中的数据稀疏问题，通过模拟和实证研究展示其在极端降水中的应用价值。
2026-03-24 stat.ME
Distributional outcome regression via quantile functions and its application to modelling continuously monitored heart rate and physical activity
本文提出基于分位数函数的分布结果回归方法（DORQF），支持标量与分布预测变量并保证联合单调性，通过渐近投影提供统计推断，应用于781名老年人心率与体力活动数据建模，揭示了心率储备的流行病学新见解。
2024-02-14 stat.ME
Parametric quantile regression for income data
一元正态回归模型是经济学中广泛应用的统计工具。然而，收入数据具有非对称性，最好用非正态分布来建模。收入模型是劳动经济学的重要研究课题，在确定劳动者收入方面起着重要作用。因此，这项工作的目的是提出参数分位数回归模型的基础上，两个重要的非对称收入分布，即，Dagum和Singh-Maddala分布。所提出的分位数模型是基于重新参数化的原始分布插入一个分位数参数。我们介绍了重新参数化，分布的一些性质，和分位数回归模型及其推论方面。我们继续进行蒙特卡罗模拟研究，考虑极大似然估计的性能评估和两个残差的经验分布的分析。蒙特卡罗结果表明，两种模型均满足预期结果。我们将建议的分位数回归模型应用于智利国家统计局提供的家庭收入数据集。我们表明，这两个模型都有很好的性能，无论是在模型拟合。因此，我们的结论是，结果是有利的Singh-Maddala和Dagum分位数回归模型的使用正的非对称数据，如收入数据。
2022-07-13 econ.EM stat.ME
Estimating treatment effects from observational data under truncation by death using survival-incorporated quantiles
针对临床研究中“因死亡截断”导致结局无法定义的问题，提出基于逆处理概率加权（IPTW）的结合生存的分位数估计量，证明其渐近性质并发现估计倾向得分能降低方差，模拟与实证揭示了他汀类药物对认知衰退无显著影响。
2025-04-28 stat.AP stat.ME
Quantile Treatment Effects in High Dimensional Panel Data
针对高维面板数据中仅少数单元受干预的场景，将广义合成控制方法拓展为分位数处理效应估计方法，建立了渐近性质与bootstrap推断程序，经模拟和2008年中国刺激计划实证验证有效。
2025-06-18 econ.EM stat.AP stat.ME
Quantile Mediation Analytics
本文提出了一种分位数中介分析方法，在反事实框架下建立了分位数自然直接效应和间接效应的闭式估计量，并开发了自适应自助法实现复合零假设下的I类错误控制，填补了分位数中介分析的理论空白。
2024-12-19 stat.ME
Conditional Outcome Equivalence: A Quantile Alternative to CATE
提出条件分位数比较器（CQC）作为CQTE的替代方案，结合CATE和CQTE的优点，保留处理分布信息并利用辅助估计量的简单性，理论证明和数值实验表明其估计更准确，能揭示不同分位数间的效应异质性。
2024-10-16 stat.ME stat.ML
Estimating the sample mean and standard deviation from commonly reported quantiles in meta-analysis
研究人员越来越多地使用荟萃分析来综合多项研究的结果，以估计共同的效果。当结果变量是连续的时，标准的荟萃分析方法假设主要研究报告结果的样本均值和标准差。然而，当结果有偏差时，作者有时通过报告样本中位数以及（i）最小值和最大值和（ii）第一和第三四分位数中的一个或两个来总结数据，但不报告平均值或标准差。为了将这些研究纳入荟萃分析，已经开发了几种方法来估计报告的汇总数据的样本均值和标准差。这些广泛使用的方法的一个主要局限性是它们假设结果分布是正态的，这对于报告中位数的研究来说是不太可能成立的。当数据疑似非正态时，我们提出了两种新的方法来估计样本均值和标准差。我们的模拟结果和经验评估表明，所提出的方法往往比现有的方法更好地适用于非正态数据。
2019-03-25 stat.ME
Mid-quantile regression for discrete responses
我们通过扩展Parzen对边缘中分位数的定义，开发了离散响应的分位数回归方法。相对于现有的方法，这是基于抖动或潜在的结构，我们使用插值和定义的条件中间分位数函数的逆条件中间分布函数。我们提出了一个两步估计，其中，在第一步中，条件的中概率获得nonparametrically，在第二步中，回归系数估计通过求解一个隐式方程。当将分位数指数约束到数据驱动的容许范围时，第二步估计方程具有最小二乘类型的封闭形式解。所提出的估计被证明是强相合和渐近正态的。仿真研究表明，我们的估计表现令人满意，并具有优势的竞争替代抖动的基础上。我们的方法可以应用于各种各样的离散响应，包括二进制，序数和计数变量。我们展示了一个使用美国处方药数据的应用程序，并讨论了两个关键发现。首先，我们的分析表明，一种可能的差别医疗，弥补了人口中最脆弱部分的性别不平等。其次，肥胖是处方药数量的一个强大驱动力，并且对于更频繁的药物使用者来说更强。所提出的方法在R软件包Qtools中实现。
2021-08-24 math.ST stat.ME stat.TH
Estimation and Inference of Extremal Quantile Treatment Effects for Heavy-Tailed Distributions
本文针对重尾结局变量提出基于渐近尾部近似和因果Hill估计量的极值分位数处理效应估计方法，建立了渐近正态性与一致方差估计，并通过模拟和大学教育对工资影响的实证分析验证了方法的有效性。
2023-07-05 math.ST stat.ME stat.TH
On prediction-powered inference for quantile regression via convolution smoothing
Washington University in St. Louis（圣路易斯华盛顿大学）
针对金标准数据有限而替代数据广泛可得的场景，提出基于卷积平滑的分位数回归预测驱动推断方法，解决计算困难和置信区间过保守问题，并建立渐近分布理论。
2026-06-02 stat.ME
BNPqte: A Bayesian Nonparametric Approach to Causal Inference on Quantiles in R
在本文中，我们介绍了BNPqte R包，该包实现了Xu，Daniels和Winterstein（2018）的贝叶斯非参数方法，用于估计观察性研究中的分位数处理效应。该方法提供了潜在结局分布的灵活建模，因此能够捕获结局、治疗和混杂因素之间的各种潜在关系，并同时估计多个分位数处理效应。具体而言，该方法使用贝叶斯加性回归树（BART）模型来估计倾向得分，并且使用多变量正态模型的狄利克雷过程混合（Dirichlet process mixture，DNR）来估计潜在结果的条件分布，给出估计的倾向得分。BNPqte R软件包通过设计有效的R函数用于联合和条件密度估计中的多元正态模型的拟合，为这种方法提供了快速实现。与流行的DP包相比，这些R函数极大地提高了密度估计中的RMM模型的效率。BNPqte R包中与BART相关的R函数继承自BART R包，并对变量重要性和分裂概率进行了两次修改。为了最大限度地提高计算效率，每个模型的实际采样和计算都在C++代码中进行。Armadillo C++库还用于快速线性代数计算。
2021-06-28 stat.CO stat.ME
Robust Mendelian Randomization Estimation using Weighted Quantile Regression
Faculté de Pharmacie, Université de Montréal（蒙特利尔大学药学院）；Centre de Recherche Azrieli du CHU Sainte-Justine（圣贾斯丁大学医院中心阿兹里埃尔研究中心）；Department of Mathematics and Statistics, McGill University（麦吉尔大学数学与统计系）；Département de médecine sociale et préventive, Université de Montréal（蒙特利尔大学社会与预防医学系）
本文提出MR-Quantile方法，利用加权分位数回归应对孟德尔随机化中的相关和不相关多效性问题，通过似然法选择最优分位数，并在模拟和实际数据中验证其有效性。
2026-04-08 stat.ME
A Location-Invariant Estimator of Extremal Quantile Treatment Effects for Heavy-Tailed Distributions
Huazhong University of Science and Technology（华中科技大学）；Tencent（腾讯）
针对重尾分布极值QTE估计量的位置偏移不不变问题，通过适配位置不变EVI估计量并替换外推方案，提出位置不变的极值QTE估计量，经模拟验证其性质良好。
2026-09-07 cs.LG stat.AP stat.ME
Nested Sensitivity Envelopes for Transported Quantile Treatment Effects
Data Science Institute, The University of Chicago（芝加哥大学数据科学研究所）
本文研究了在存在未测量治疗混杂因素且无法在条件化观测协变量后运输到目标人群时的目标人群分位数治疗效应，提出双重边际敏感度限制并推导了闭形式的尖锐目标反事实CDF包络，证明了过程层面的尖锐性并发展了非光滑边界过程的半参数理论。
2026-05-10 stat.ME
Risk-Aware Quantile Learning for Personalized Dynamic Treatment Regimes
Department of Statistics and Applied Probability, University of California, Santa Barbara（加州大学圣塔芭芭拉分校统计与应用概率系）
本研究提出风险感知分位数动态治疗方案（RQDTR）框架，通过多子类设计优化治疗相关风险与分位数疗效，在模拟及真实临床数据中验证其获益-风险权衡优势。
2026-08-07 math.ST stat.ME stat.ML
Quantile Treatment Effects in Difference in Differences Models under Dependence Restrictions and with only Two Time Periods
本文表明，条件分位数处理效应对治疗组的影响可以使用以下两种假设的组合来确定：（i）条件分布差异假设和（ii）未治疗潜在结局变化与治疗组未治疗潜在结局初始水平之间的条件依赖性假设。第二个假设从未处理组的观察到的依赖性恢复未知的依赖性。我们还考虑估计和推断的情况下，所有的协变量是离散的。我们提出了一个统一的推理过程的基础上的可交换的引导，并证明了它的有效性。最后，我们通过估计州一级最低工资变化对按种族、性别和教育程度定义的子群体收入分布的影响来得出结论。
2017-02-13 math.ST stat.ME stat.TH
Instrumental Variable Quantile Regression with Misclassification
本文考虑了具有二元内生处理的工具变量分位数回归模型（Zhenzhukov and Hansen，2005，2013）。当无法直接观察治疗状态时，它提供两种识别结果。第一个结果是，值得注意的是，结果变量对工具变量的简化形式分位数回归提供了随机单调性条件下结构分位数处理效应的下限（Small和Tan，2007; DiNardo和Lee，2011）。这一结果不仅在治疗变量发生错误分类时具有相关性，而且在治疗变量的任何测量均不可用时也具有相关性。第二个结果是当治疗状态测量有误差时的结构分位数函数;我通过在广泛使用的测量误差假设下推导矩条件来获得尖锐的识别集。此外，我提出了一种推理方法，在其他协变量的存在。
2019-12-16 stat.ME
Quantile optimization in semidiscrete optimal transport
本文提出了一种在半离散最优传输中最小化成本分位数的方法，并展示了其在地理分区问题中的新几何结构。
2026-02-12 econ.EM stat.ME
Causal Inference by Quantile Regression Kink Designs
分位数回归扭结设计（QRKD）是一种在合适的研究设计下评估异质性处理效应的潜在方法，但其因果解释尚不清楚。我们提出了一个因果解释的QRKD估计。在灵活的异质性和内生性下，QRKD被估量在给定设计的扭结点的结果的相应条件分位数处测量异质性边际效应的加权平均值。此外，我们开发的QRKD估计作为一个局部分位数过程的目的进行统计推断异质性处理效应使用QRKD的弱收敛结果。应用我们的方法连续工资和福利历史项目（CWBH）的数据，我们发现显着异质性的正因果关系的影响，失业保险金的失业持续时间在路易斯安那州1981年和1983年之间。这些影响对于失业时间较长的个人来说更大。
2017-12-14 stat.ME
Characterizing quantile-varying covariate effects under the accelerated failure time model
Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）
本文提出在加速失败时间模型下刻画分位数变化的协变量效应的框架，通过灵活回归结构和贝叶斯方法，实现对生存分位数效应的解释和估计。
2025-12-05 stat.ME
Distributional Difference-in-Differences: Aggregation Before or After Quantile Inversion?
University at Albany - State University of New York（纽约州立大学奥尔巴尼分校）
研究交错分布双重差分中分位数处理效应的两种聚合方式，证明聚合顺序影响估计目标与符号，需在反转前确定。
2026-09-24 econ.EM stat.AP stat.ME
Semiparametric Estimation of Treatment Effects in Randomized Experiments
针对在线实验常见的厚尾结果、小处理效应、大样本随机分配场景，提出处理效应半参数估计方法，推导效率界与高效估计量，还扩展了Huber模型和截尾均值以纳入不对称性。
2023-08-22 econ.EM stat.ME
On Quantile Treatment Effects, Rank Similarity,and Variation of Instrumental Variables
针对不可分离内生性下的分布处理效应识别，本文弱化秩相似性假设，借助线性半无限规划构造识别界，并证明经验规划的大样本性质。
2025-10-19 econ.EM stat.ME
Rectified Linear Unit Regression
Keio University（庆应义塾大学）
提出一种名为修正线性单元（ReLU）回归的方法，通过将ReLU变换后的结果投影到协变量上，直接估计条件结果分布的积分泛函，并建立其渐近分布和推断方法，扩展了经验研究中可用的分布参数集。
2026-08-18 econ.EM math.ST stat.AP
Inference for Extremal Conditional Quantile Models, with an Application to Market and Birthweight Risks
分位数回归是经济学和其他科学中越来越重要的经验工具，用于分析一组回归变量对结果的条件分布的影响。极值分位数回归，或应用于尾部的分位数回归，在许多经济和金融应用中很有意义，例如条件风险价值，生产效率和（S，s）模型中的调整带。在本文中，我们提供了可行的推断工具，极值条件分位数模型，依赖于极值近似的自归一化分位数回归统计分布。该方法易于实现，即使在非回归情况下也可以独立感兴趣。我们用两个实证例子来说明结果，分析股票收益的极端波动和活婴儿出生体重在250和1500克之间的极低波动。
2009-12-26 econ.EM math.ST q-fin.RM
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
Quantile Fourier Transform, Quantile Series, and Nonparametric Estimation of Quantile Spectra
IBM T. J. Watson Research Center（IBM T.J. 沃森研究中心）
本文提出非参数方法估计分位数谱及交叉谱，基于分位数离散傅里叶变换和分位数序列，利用滞后窗方法构建自协方差函数估计谱，通过平滑技术减少统计波动，通过模拟研究评估方法性能。
2025-11-25 stat.CO stat.ME
A sequential design for extreme quantiles estimation under binary sampling
我们提出了一个序贯设计方法，旨在估计一个极端的分位数的基础上的一个样本的二分数据对应的峰值超过一个给定的阈值。本研究的动机是在材料可靠性的工业挑战，并包括在估计失败分位数的试验，其结果减少到指标的样本是否已失败，在测试的应力水平。提出的解决方案是一个顺序设计，利用分裂的方法，分解成产品的条件事件的高阶概率的目标概率水平。该方法包括逐步瞄准分布的尾部和在截尾分布下进行抽样。该模型是GEV或威布尔，其参数的序贯估计涉及到一个改进的极大似然程序的二进制数据，由于大的不确定性与这样一个有限的信息。
2020-04-03 stat.ME
Doubly robust estimation and sensitivity analysis for marginal structural quantile models
针对边际结构分位数模型，提出双重稳健估计量及混杂函数敏感性分析方法，并通过模拟和电子健康记录数据验证其性能与稳健性。
2024-02-10 stat.ME
Control Variables, Discrete Instruments, and Identification of Structural Functions
在具有不可分和/或多维异质性的计量经济模型中，控制变量提供了控制内禀的重要手段。我们允许离散的工具，在各种限制的方式内生变量和控制变量影响结果的识别结果。我们考虑了许多感兴趣的结构对象，例如平均值或分位数处理效应。我们说明我们的结果与恩格尔曲线估计的实证应用。
2019-12-05 econ.EM stat.ME
General Bayesian quantile regression for counts via generative modeling
本文提出一种面向计数数据的通用贝叶斯分位数回归框架，利用潜在连续变量与贝叶斯非参数核混合建模联合分布，并通过优化获得后验，显著提升估计精度与实际可解释性。
2025-07-25 stat.ME
Inference on Counterfactual Distributions
反事实分布是实证经济学中政策分析和分解分析的重要组成部分。在这篇文章中，我们开发了基于回归方法的反事实分布的建模和推理工具。我们考虑的反事实情景包括与关注结果相关的协变量分布或给定协变量结果的条件分布的其他条件不变的变化。对于这些情况下，我们得出联合功能中心极限定理和自助有效性结果的回归为基础的估计的现状和反事实的结果分布。这些结果使我们能够构建同时置信集的功能值的影响的反事实的变化，包括对整个分布和分位数函数的结果，以及相关的泛函的影响。这些置信度集可用于检验功能假设，如无效应、正效应或随机优势。我们的理论适用于一般的反事实变化，并涵盖了主要的回归方法，包括经典，分位数，持续时间和分布回归。我们说明的结果与实证应用工资分解使用的数据为美国。作为发展的主要结果的一部分，我们介绍了分布回归作为一个全面的和灵活的工具建模和估计的\textit{entire}条件分布。我们发现，分布回归包括Cox持续时间回归，并代表了一个有用的替代分位数回归。我们建立了经验分布回归过程和各种相关泛函的泛函中心极限定理和Bootstrap有效性结果。
2013-09-18 econ.EM stat.AP stat.ME
A two-part finite mixture quantile regression model for semi-continuous longitudinal data
本文针对半连续纵向数据建立了一个两部分有限混合分位数回归模型。所提出的方法允许异质性来源，影响模型的二进制响应变量，也影响积极的结果的分布。正如分位数回归文献中常见的那样，对模型参数的估计和推断基于非对称拉普拉斯分布。通过期望最大化算法获得最大似然估计，而无需对随机效应分布进行参数假设。此外，惩罚版本的期望最大化算法的变量选择的问题。所提出的统计方法应用于著名的兰德健康保险实验数据集，进一步了解其经验行为。
2020-10-23 stat.AP stat.ME
