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
Estimating quantile treatment effect on the original scale of the outcome variable: a case study of common cold treatments
University of Helsinki（赫尔辛基大学）
本文提出了一种反变换定量处理效应（BQTE）方法，用于在原始尺度上估计治疗效果，通过分段线性插值和自助法，提升对连续结果变异性的描述能力。
2023-10-27 stat.AP
A Data Fusion Method for Quantile Treatment Effects
针对含未测量混杂的大型辅助数据与完全观测的小型验证数据，本文提出基于双稳健估计函数的FQTE融合估计量，证明其渐近正态且更有效，并通过模拟和应用验证。
2023-07-16 stat.ME
Generalized Quantile Treatment Effect: A Flexible Bayesian Approach Using Quantile Ratio Smoothing
我们提出了一种新的一般方法来估计一个连续的和潜在的高度偏斜的反应变量，广义分位数治疗效果（GQTE）的二进制治疗的效果。GQTE定义为两种处理条件下分位数函数之间的差异。因此，它代表了对通常用于估计治疗效果的标准方法的概括（即，平均治疗效果和分位数治疗效果），因为它允许比较两种治疗下结果分布的任意特征。根据Dominici et al.（2005），我们假设两个分位数的预先指定的变换被建模为分位数的光滑函数。这个假设允许我们连接两个分位数函数，从而从一个分布向另一个分布借用信息。我们提供的主要理论贡献是一个封闭形式的表达模型的可能性的分析推导。利用这一结果，我们提出了一种新的贝叶斯推理方法的GQTE。我们通过模拟研究证实，在某些情况下，它比其他非参数方法更好地表现出我们的方法的一些有限样本性质。作为一个例子，我们最终将我们的方法应用于1987年国家医疗保险支出调查数据，以估计病例之间单次住院医疗费用分布的差异（即，受吸烟可归因疾病影响的受试者）和对照。
2015-09-03 math.ST stat.TH
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
A Causal Framework for Quantile Residual Lifetime
U.S. Food and Drug Administration（美国食品药品监督管理局）；Konkuk University（建国大学）；Duke University（杜克大学）；National Cancer Institute（美国国家癌症研究所）
本文提出了一种因果框架，用于估计经历特定时间点后存活个体的剩余生存时间分位数，通过双重稳健估计器和补充估计器分离因果效应与选择偏差。
2026-02-13 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
Sequential online subsampling for thinning experimental designs
我们考虑一个设计问题，其中实验条件（设计点$X_i$）以i.i.d.序列的形式呈现。随机变量，用未知的概率测度$μ$生成，并且只能选择给定的比例$α\in(0,1)$。目标是在运行中选择好的候选$X_i$，并最大化相应信息矩阵的凹函数$Φ$。最优解对应于最优有界设计测度$ξ_α^*\leq μ/α$的构造，其困难在于$μ$是未知的，而$ξ_α^*$必须在线构造.所提出的构造依赖于在当前信息矩阵处对$Φ$的方向导数的阈值$τ$的定义，$τ$的值由该方向导数的分布的某个分位数固定。与递归分位数估计相结合，得到一种非线性双时间尺度随机逼近方法。它可以应用于很长的设计序列，因为只有当前的信息矩阵和估计的分位数需要存储。收敛到一个最优设计证明。各种说明性的例子。
2020-08-04 math.ST stat.CO 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
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
Extreme Quantile Treatment Effects under Endogeneity: Evaluating Policy Effects for the Most Vulnerable Individuals
本文提出一种在内生性下估计极端分位数处理效应的新方法，利用正则变化和子抽样保证极端尾部稳健推断，并应用于JTPA职业培训数据，发现最弱势个体的培训效果显著为负。
2024-09-06 econ.EM stat.ME
Average and Quantile Effects in Nonseparable Panel Models
不可分离面板模型在各种经济环境中都很重要，包括离散选择。本文给出了在时间齐性条件下，如“时间是随机分配的”或“时间是一种工具”的不可分模型的辨识和估计结果。“在静态或动态条件下，在完全非参数模型和半参数模型中，在具有时间效应的离散回归量中，给出了平均和分位数效应的部分识别结果。证明了通常的线性固定效应估计量不是已确定平均效应的相合估计量，并给出了一个相合估计量。给出了一个简单的分位数处理效应估计量，解决了从面板数据中估计分位数处理效应的重要问题。给出了静态和动态模型中的总体效应的界。动态边界提供了一个部分识别解决方案的重要问题，估计的影响，状态依赖的存在下不可观测的异质性。随着$T$的增长，通过推导识别集的收缩率来显示$T$的影响，即时间段的数量。我们还考虑了半参数，离散选择模型，并发现半参数面板边界可以比非参数边界更紧。提出了计算方便的半参数模型方法。我们提出了一种新的推理方法，适用于面板数据和其他设置，并表明它产生一致有效的置信区域在大样本。我们给出了经验性的例证。
2013-03-26 econ.EM math.ST stat.AP
Smoothed instrumental variables quantile regression
本文介绍sivqr命令，用于估计工具变量分位数回归模型，采用平滑估计量提高计算效率和统计精度，并支持多种标准误计算方法。
2023-10-13 econ.EM stat.CO stat.ME
Sequential sparse Gaussian process quantile regression
Inria（法国国家信息与自动化研究所）；Center for Applied Mathematics, École polytechnique, Institut Polytechnique de Paris（巴黎综合理工学院应用数学中心）；CNRS（法国国家科学研究中心）
提出一种稀疏高斯过程框架，通过拉普拉斯近似进行后验推断，并利用预测不确定性分解驱动诱导点填充和数据获取的序贯算法，以高效实现贝叶斯分位数回归。
2026-10-22 cs.LG stat.ML
Estimating the True Effect Size Distribution with SIMEX
Stanford（斯坦福大学）；Meta
针对大规模在线实验含噪声效应估计的问题，提出基于SIMEX的非参数方法，可从已知方差的估计平均处理效应中估计真实效应分布，性能接近参数经验贝叶斯方法，为表征效应量分布提供灵活途径。
2026-08-26 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
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
Robust Doubly Protected Estimators for Quantiles with Missing Data
双重保护估计量被广泛用于估计样本结果Y的总体均值，其中某些个体的响应缺失。为了补偿缺失的响应，在每个个体上观察协变量的向量X，并假设缺失机制与响应无关，以X为条件（随机缺失）。近年来，许多作者已经从均值转移到中位数，更普遍的是，已经提出了分位数的双重保护估计，假设X和Y之间的关系是参数回归模型，倾向得分是参数形式。在这项工作中，我们提出了双重保护估计的分位数，也是强大的，在这个意义上说，他们是抵抗样本中的离群值的存在。我们还灵活的X和Y之间的关系的模型。因此，我们提出了强大的双重保护估计的分位数的响应中存在的缺失观测，假设一个半参数回归模型的响应和协变量之间的关系和参数模型的倾向得分。
2017-11-06 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
Sequential Quantiles via Hermite Series Density Estimation
序贯分位数估计是指以增量方式将观测值合并到分位数估计值中，从而在任何给定时间点提供一个或多个分位数的在线估计值。序贯分位数估计也称为在线分位数估计。这个领域与数据流分析和大规模数据集的一次性分析有关。应用包括网络流量和延迟分析、实时欺诈检测和高频交易。在静态分位数估计和动态分位数估计的背景下，提出了基于Hermite级数估计的在线分位数估计新方法。在静态分位数估计设置中，我们以一种新的方式应用现有的Gauss-Hermite展开。特别是，我们利用高斯-厄米系数可以按顺序更新的事实。为了处理动态分位数估计，我们引入了一种新的扩展与指数加权估计的高斯-厄米特系数，我们称之为指数加权高斯-厄米特（EWGH）的扩展。这些算法超越了现有的顺序分位数估计算法，因为它们允许在任何时间点估计任意分位数（与预先指定的分位数相反）。在这样做，我们提供了一个解决方案，在线分布函数和在线分位数函数估计的数据流。特别是，我们推导出的CDF的解析表达式，并证明在一定条件下的CDF的一致性结果。此外，我们分析了相关的分位数估计。仿真研究和实际数据的测试表明，基于高斯-厄米特算法是具有竞争力的领先的现有算法。
2017-03-04 stat.CO stat.ML
Private Statistical Estimation of Many Quantiles
Univ Lyon（里昂大学）；EnsL（里昂高等师范学校）；UCBL（克洛德·贝尔纳里昂第一大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LIP（里昂信息学实验室）；ENS de Lyon（里昂高等师范学校）；UMPA UMR 5669（里昂高等师范学校数学与应用数学联合实验室）
本文研究差分隐私下多个分位数的估计，提出经验分位数估计与密度估计两种方法，并指出在估计多个分位数时密度估计更优。
2023-12-26 cs.LG stat.ML
A Non-Iterative Quantile Change Detection Method in Mixture Model with Heavy-Tailed Components
Purdue University（普渡大学）；North Carolina State University（北卡罗来纳州立大学）
混合模型的参数估计有着广泛的应用，从分类问题到复杂分布的估计。目前大多数关于估计混合密度的参数的文献是基于迭代期望最大化（EM）类型的算法，其需要使用对潜在标签变量的期望或使用贝叶斯规则从这种潜在标签的条件分布生成样本。此外，当分量的数量未知时，由于公知的标签切换问题\cite{richardson1997bayesian}，该问题在计算上变得更加苛刻。在本文中，我们提出了一种基于变点方法的鲁棒且快速的方法来确定几乎适用于任何位置尺度家族的混合成分的数量，即使成分是重尾的（例如，柯西）。我们提出了几个数值例子，通过比较我们的方法与一些流行的方法在文献中使用模拟数据和真实的案例研究。所提出的方法被证明是高达500倍的速度比一些竞争的方法，也被证明是更准确的估计的混合分布的拟合优度检验。
2020-06-19 cs.LG stat.ML
Quantile Off-Policy Evaluation via Deep Conditional Generative Learning
North Carolina State University（北卡罗来纳州立大学）；London School of Economics and Political Science（伦敦政治经济学院）；ByteDance（字节跳动）；University of Miami（迈阿密大学）
脱离策略评估（OPE）涉及使用由潜在不同的行为策略生成的离线数据来评估新的目标策略。它在从医疗保健到技术行业的许多顺序决策问题中至关重要。现有文献中的大多数工作都集中在评估给定政策的平均结果，而忽略了结果的可变性。然而，在各种应用中，除了平均值之外的标准可能更合理。例如，当奖励分布是偏斜和不对称的时，基于分位数的度量通常因其鲁棒性而被首选。本文提出了序贯决策中分位数OPE的双鲁棒推理方法，并研究了其渐近性质。特别是，我们建议利用最先进的深度条件生成学习方法来处理参数相关的滋扰函数估计。我们通过模拟和来自短视频平台的真实世界数据集展示了该估计器的优势。特别是，我们发现，我们提出的估计优于经典的OPE估计的均值设置重尾奖励分布。
2022-12-29 cs.LG stat.ML
Sequential Predictive Conformal Inference for Time Series
Georgia Institute of Technology（佐治亚理工学院）
本文提出序贯预测共形推断（SPCI）算法，通过利用时间序列残差的时间依赖性自适应估计条件分位数，解决不可交换序列的共形预测问题，并在保证覆盖率的同时显著缩小预测区间宽度。
2023-05-30 cs.LG stat.ME stat.ML
Sequential estimation of quantiles with applications to A/B-testing and best-arm identification
我们提出了置信序列-序列的置信区间，这是有效的，随着时间的推移均匀-任何分布的分位数在一个完整的，全序集，基于流的独立同分布。意见。我们给出了跟踪固定分位数和同时跟踪所有分位数的方法。具体来说，我们提供了明确的表达式与小常数的间隔，其宽度以最快的可能的$\sqrt{t^{-1} \log\log t}$率收缩，随着时间的推移，以相同的速率均匀地举行的经验分布函数的非渐近浓度不等式。后者加强了Smirnov的经验过程律的重对数和扩展的Dvoretzky-Kiefer-Wolfowitz不等式保持一致的时间。我们给出了一个新的算法和样本的复杂性界选择一个近似最好的分位数在多臂强盗框架的手臂。在模拟中，我们的方法需要的样本比现有方法少五到五十倍。
2022-07-07 math.PR math.ST stat.ME
Bayesian sequential design of computer experiments for quantile set inversion
Université Paris-Saclay, CNRS, CentraleSupélec（巴黎萨克雷大学，法国国家科学研究中心，中央理工-高等电力学院）；EDF R&D（法国电力集团研发部）
本文提出了一种基于贝叶斯方法和逐步不确定性降低原理的策略，用于高效近似分位数集反演问题中的目标集合。
2024-12-06 stat.AP stat.ML
Bayesian Estimation of Extreme Quantiles and the Exceedance Distribution for Paretian Tails
本文研究Paretian尾部极端分位数的贝叶斯估计，证明对指数同构分布使用Jeffreys先验可实现零覆盖误差，并推导未来超出量的分布与矩，将结果扩展到Fréchet最大吸引域中的条件尾部。
2025-05-07 stat.AP stat.ML
Bayesian Active Learning of (small) Quantile Sets through Expected Estimator Modification
针对昂贵黑箱函数的小分位数集合估计问题，提出基于高斯过程、EEM 采样准则与序贯蒙特卡洛的批量贝叶斯主动学习方法，并通过合成及 ROTOR37 工业案例验证。
2025-07-24 stat.AP stat.ML
Multi-Fidelity Quantile Regression
National University of Singapore（新加坡国立大学）
本文提出一种双阶段、模型无关的多保真度分位数回归方法，通过局部分位数链接将高保真度分位数表示为低保真度分位数在协变量依赖水平上的评估，从而估计水平函数以提高估计精度，并通过实验验证方法的有效性。
2026-06-06 stat.AP stat.ME stat.ML
Online simultaneous inference for quantiles via smoothed stochastic gradient descent
Department of Mathematics and Statistics（数学与统计学系）；Washington University in St.Louis（圣路易斯华盛顿大学）；Chair of Statistics（统计学教授职位）；Humboldt-Universität zu Berlin（柏林洪堡大学）；University of Chicago（芝加哥大学）
本文提出基于平滑SGD的分位数在线同时推断方法，推导了相关理论界，提出在线乘数自助法，经模拟验证可准确估计分位数，适用于条件风险价值曲线等场景。
2026-09-02 cs.LG math.ST stat.ML
A Two-step Metropolis Hastings Method for Bayesian Empirical Likelihood Computation with Application to Quantile Regression and Bayesian Model Selection
University of Nebraska-Lincoln（内布拉斯加大学林肯分校）；DFS Group Ltd.（DFS集团有限公司）；Texas A& M University（德克萨斯农工大学）
本文提出一种两步Metropolis-Hastings算法，用于解决贝叶斯经验似然（BayesEL）后验分布采样困难的问题，可应用于分位数回归与贝叶斯模型选择等场景。
2026-08-28 stat.CO stat.ME stat.ML
Targeted tuning of random forests for quantile estimation and prediction intervals
本文提出随机森林的QCL调参方法，通过最小化袋外分位数覆盖概率偏差来改善分位数估计与预测区间，并适配删失数据，在覆盖准确性和MSE上优于默认及传统调参。
2025-07-02 stat.AP stat.ME stat.ML
