SPQR: An R Package for Semi-Parametric Density and Quantile Regression
我们开发了一个R包SPQR，它实现了Xu和Reich（2021）中的半参数分位数回归（SPQR）方法。该方法首先使用单调样条拟合灵活的密度回归模型，其权重使用人工神经网络建模为数据相关函数。随后，条件密度和分位数过程的估计都可以得到。与许多假设线性模型的分位数回归方法不同，SPQR允许协变量和响应分布之间的几乎任何关系，包括非线性效应和不同分位数水平上的不同效应。为了提高SPQR的可解释性和透明度，Apley和Zhu（2020）开发的模型不可知统计用于估计和可视化协变量效应及其对分位数函数的相对重要性。在本文中，我们将详细介绍如何在SPQR中实现此框架，并通过模拟和真实数据示例说明如何在实践中使用此包。
2022-10-26 stat.CO stat.ME stat.ML
Quantile Processes for Semi and Nonparametric Regression
分位数曲线的集合提供了条件分布的全貌。在不同分位数水平下，估计曲线的适当居中和缩放版本产生所谓的分位数回归过程（QRP）。本文在一般的级数逼近框架下建立了QRP问题的弱收敛性，包括增维线性模型、非参数模型和部分线性模型。在最后一类模型中得到了一个有趣的结果，其中参数和非参数估计量是渐近独立的。我们的一般过程收敛结果的应用包括构造非交叉分位数曲线和估计条件分布函数。由于独立的兴趣，我们得到了一系列的Bahadur表示与指数界的尾概率的所有剩余条款。这类界在分析分而治之下的统计推断过程中是潜在有用的。
2017-07-21 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
Quantile regression in transformation models
条件分位数为报告基于半参数转换模型的回归分析的结果提供了一种自然的工具。我们认为他们的估计和建设的置信集存在删失。
2005-11-21 math.ST stat.TH
Semiparametric Copula Quantile Regression for Complete or Censored Data
当面对多元协变量时，一般的半参数回归技术可以提出灵活的模型，这些模型不受维数灾难的影响。在这项工作中，半参数Copula为基础的估计条件分位数完全或右删失数据进行了研究。在精神上，该方法扩展了Noh et al.（2013）和Noh et al.（2015）的近期工作，因为主要思想在于根据多变量copula和边缘分布适当定义分位数回归。事先估计后者和简单的插件导致一个容易实现的估计表示，无论上下文中有或没有审查，作为一个加权分位数的观察到的响应变量。此外，与文献中的初始建议相反，研究了多变量Copula密度的半参数估计方案，其动机是纯参数方法的可能缺点，并由回归上下文驱动。由此得到的分位数回归估计具有在分位数水平上自动单调的有价值的性质，并且在经典的正则条件下得到了完全数据和删失数据的渐近正态性。最后，数值例子以及实际数据的应用，以说明所提出的方法的有效性和有限样本性能。
2016-03-24 stat.ME
A Semi-Parametric Estimation Method for the Quantile Spectrum with an Application to Earthquake Classification Using Convolutional Neural Network
本文介绍了一种新的估计分位数谱的方法，该方法使用自回归（AR）谱的参数形式与非参数平滑相结合。该方法首先利用三角分位数回归在不同分位数水平上构造的分位数周期图来表征时间序列在不同分位数水平上的序列相关性。在每个分位数水平上，我们用一个普通AR谱形式的函数来近似分位数谱。在这个模型中，我们首先计算我们所谓的分位数自协方差函数（QACF）的逆傅立叶变换的分位数周期图在每个分位数水平。然后，我们求解由QACF形成的Yule-Walker方程，得到分位数偏自相关函数（QPACF）和尺度参数。最后，我们使用非参数平滑器在分位数水平上平滑QPACF和尺度参数，将平滑的QPACF转换为AR系数，并获得AR谱密度函数。数值结果表明，该方法优于其他传统的平滑技术。我们利用估计器的二维特性，训练一个卷积神经网络（CNN）来分类平滑分位数周期图的地震数据，并实现了更高的精度比类似的分类器使用普通的周期图。
2019-10-16 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
Semismooth Newton Coordinate Descent Algorithm for Elastic-Net Penalized Huber Loss Regression and Quantile Regression
本文提出了一种半光滑牛顿坐标下降算法（SNCD），用于高维环境下的弹性网惩罚Huber损失回归和分位数回归。与现有的坐标下降型算法不同，SNCD在每次迭代中同时更新每个回归系数及其相应的次梯度。它结合了坐标下降和半光滑牛顿算法的优点，有效地解决了维数和非光滑性带来的计算挑战。我们建立了算法的收敛性。此外，我们提出了一个自适应版本的“强规则”筛选预测，以获得额外的效率。通过数值实验，我们证明了该算法是非常有效的，可扩展到超高的维度。我们通过一个真实的数据示例来说明该应用程序。
2016-05-20 stat.CO stat.ML
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
A Bayesian Semi-Parametric Scalar-On-Function Quantile Regression with Measurement Error using the GAL
分位数回归提供了一种一致的方法来研究协变量与超出平均值的响应分布的各个方面之间的关联。当回归协变量测量有误差时，需要测量误差（ME）调整步骤以进行有效推断。这对于标量协变量和函数协变量都是正确的。在这里，我们建议扩展贝叶斯测量误差和贝叶斯分位数回归文献，以允许可用的协变量倾向于潜在的复杂测量误差。我们的方法使用广义非对称拉普拉斯（GAL）分布作为工作可能性。GAL分布族是贝叶斯分位数回归建模中一个比非对称拉普拉斯分布族更灵活的分布族。然后，我们通过一系列模拟场景，在ME调整步骤中比较和对比了两种方法。最后，我们将我们的方法应用于2013-2014年NHANES数据集的分析，以将体重指数（BMI）的分位数建模为50岁及以上成年人队列中分钟级基于设备的身体活动的函数。
2023-02-07 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
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
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
Minimax Optimal Quantile and Semi-Adversarial Regret via Root-Logarithmic Regularizers
University of Toronto（多伦多大学）；Spanflug Technologies GmbH（Spanflug技术有限公司）；Boston University（波士顿大学）
分位数（以及更一般的KL）遗憾界限，例如NormalHedge（Chaudhuri，Freund，and Hsu 2009）及其变体，将与最佳个体专家竞争的目标放宽到只与大多数专家竞争对抗性数据。最近，半对抗范式（Bilodeau，Negrea和Roy 2020）通过考虑可能既不完全对抗也不完全随机（i.i.d.）的数据，提供了对抗在线学习的另一种放松。我们实现了极大极小最优后悔在这两个范例中使用FTRL与单独的，新颖的，根对数正则化，这两者都可以被解释为产生的NormalHedge的变种。我们将已有的KL后悔上界推广到具有任意先验的可能不可数专家类，给出了有限专家类上分位数后悔的第一个完全信息下界（紧）;并为半对抗范式提供了一种自适应极大极小优化算法，该算法更快地适应真实的未知约束，从而导致相对于现有方法的一致改进的后悔界限。
2021-11-07 cs.LG stat.ML
Bayesian Quantile Regression with Subset Selection: A Decision Analysis Perspective
从贝叶斯决策分析视角提出针对分位数回归的估计、不确定性量化与子集选择方法，引入以分位数为中心的平方误差损失实现高效闭式计算，在模拟和真实数据中显著提升了估计精度与变量选择表现。
2024-11-16 math.ST stat.AP stat.CO
Parameter uncertainty estimation for exponential semi-variogram models: Two generalized bootstrap methods with check- and quantile-based filtering
针对小样本、抽样设计受限的指数半变异函数参数标准误估计难题，本文在广义自助法中加入基于检查的过滤，并通过模拟与出生体重案例证明其显著优于分位数过滤及既有方法。
2023-07-15 stat.CO stat.ME
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
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
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
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
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
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
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
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
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
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
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
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
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
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
Non-Gaussian Uncertainty Estimation via Semi-nonparametric Density
Purdue University（普渡大学）；The Charles Stark Draper Laboratory, Inc.（查尔斯·斯塔克·德雷珀实验室有限公司）
本文提出一种高效估计非线性动力系统状态密度的方法，利用半非参数密度模型，结合蒙特卡洛方法和凸松弛技术，实现更少样本的高精度密度和分位数估计。
2026-11-02 math.OC math.ST stat.ML
Estimation for models defined by conditions on their L-moments
本文扩展了经验最小发散方法的模型，满足线性约束的基础变量的概率测度（矩约束）的情况下，这种约束属于其分位数测量（这里称为半参数分位数模型）。当这些约束条件描述的形状条件处理的L-矩的情况下被认为是这些模型的描述以及由此产生的非经典的最小发散程序。这些模型描述了主要用于其尾部行为的经典模型的邻域，例如Pareto或韦布尔分布的邻域，它们可以共享相同的第一L-矩。一个平行的绘制与弹性理论和最优输运问题中的类似问题。模拟的例子比较Pareto和Weibull模型的最大似然估计的最小卡方经验发散方法的半参数分位数模型，和其他的属性所得到的估计说明。
2015-02-19 math.ST stat.TH
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
Inference for censored quantile regression models in longitudinal studies
我们开发的推断程序的纵向数据中的一些测量被删失的固定常数。我们考虑一个半参数分位数回归模型，没有分布假设。我们的研究的动机是缺乏适当的推理程序的数据，从生物医学研究中的测量是由于一个固定的定量限删失。在这类研究中，重点往往是检验关于待遇平等的假设。为此，我们提出了一个大样本推理的协变量的子集上的秩分数检验。我们证明了会计审查和受试者内的依赖性的重要性，并在模拟研究中评估我们提出的方法的性能。然后，我们将建议的推理程序，从艾滋病相关的临床试验的数据。我们的结论是，我们的框架和建议的方法是非常有价值的区分在不同位置的预测的影响，在条件分布的响应变量。
2009-04-01 math.ST stat.TH
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
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
Nonparametric Quantile Regression for Homogeneity Pursuit in Panel Data Models
许多面板数据对个体具有潜在的亚组效应，正确识别这些群体是很重要的，因为通过汇集每个群体内个体的信息可以显着提高所得估计量的效率。然而，目前假设的响应和预测变量之间的参数和半参数关系可能会被错误指定，这将导致错误的分组结果，因此可以考虑非参数方法来避免这种错误。此外，响应可以以不同的方式取决于各个分位数级别的预测因子，并且对应的分组结构也可以变化。针对这些问题，本文提出了一种非参数分位数回归方法，用于追踪具有个体效应的面板数据模型的同质性，并采用两两融合罚函数自动选择分组数。渐近性质的建立，并ADMM算法也被开发。有限样本性能的仿真实验进行了评估，所提出的方法的有效性进一步说明了一个实证例子。
2022-08-22 stat.ME
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
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
Minimax semi-supervised confidence sets for multi-class classification
在这项工作中，我们研究了半监督框架的置信集分类与控制的期望大小在极小极大设置。在边际假设和回归函数的H{<$}lder条件下，我们得到了半监督极小极大收敛速度.此外，我们表明，如果没有进一步的假设，没有监督的方法，优于半监督估计提出了这项工作。我们建立了任何监督方法的最佳可达率是n^{-1/2}，即使边际假设是非常有利的。相反，半监督估计器可以实现更快的收敛速度，只要有足够多的未标记样本。我们还进行数值评估所提出的算法经验证实我们的理论研究结果。
2019-04-29 math.ST stat.TH
Learning Survival Distributions with the Asymmetric Laplace Distribution
Department of Electrical and Computer Engineering, Duke University（电子工程系，杜克大学）
本文提出基于非对称拉普拉斯分布的参数生存分析方法，通过最大似然学习个体分布参数，在准确性、区分度和校准性上优于现有参数与非参数方法。
2025-05-07 cs.LG math.ST stat.TH
Small Area Quantile Estimation
抽样调查被广泛用于获得关于有限总体的总量、均值、中位数和其他参数的信息。在许多应用中，对于诸如特定地理区域中的个体和社会人口统计群体的子群体，期望类似的信息。当调查是在国家一级或类似的高级别进行时，概率抽样可能导致在设计阶段从许多未计划的亚群体中只抽取几个抽样单元。成本方面的考虑也可能导致个别小区域的样本量较低。以令人满意的精度估计这些亚群的参数并评价其准确性是统计人员面临的严峻挑战。为了克服这些困难，统计人员通过适当的模型假设、行政档案和人口普查数据，在小范围内汇集信息。在本文中，我们开发了一系列的小面积分位数估计。新颖之处是引入了一个半参数密度比模型的误差分布的单位级嵌套误差回归模型。相比之下，现有的方法通常是最有效的响应值时，联合正常。我们还提出了一个估计这些估计量的均方误差的restling程序。仿真结果表明，新的方法具有优越的性能时，总体分布是倾斜的，否则保持竞争力。
2017-05-29 stat.ME
Convolution-smoothing based locally sparse estimation for functional quantile regression
本文提出基于卷积平滑的局部稀疏估计方法，用于函数分位数回归，解决稀疏性和计算挑战，提高模型可解释性。
2025-12-01 stat.ME
Modeling soil organic carbon with Quantile Regression: Dissecting predictors' effects on carbon stocks
土壤有机碳（SOC）估算对于管理自然和人类生态系统至关重要，由于其与温室气体的关系，最近在2016年巴黎协定后被放在放大镜下。统计应用主导了SOC股票制图在区域尺度上到目前为止。然而，社区几乎从未尝试过实施分位数回归（QR）来空间预测SOC分布。在这方面的贡献，我们测试QR估计SOC股票（0-30 $cm$深度）在一个高度可变的半干旱地区（西西里岛，意大利，约25,000 $km2$）的农业地区，通过使用地形和遥感预测。我们还比较了现有的SOC存量测量的结果。QR模型产生了强大的性能，并允许识别占主导地位的影响，相对于所考虑的分位数的预测。这一信息，目前缺乏，表明QR可以辨别预测SOC股票的影响，在特定的子域每个预测。在这项工作中，在中位数处生成的预测图显示出比联合研究中心和国际土壤参考以及信息中心基准更低的误差。研究结果表明，使用QR作为一个全面的和有效的方法来映射SOC使用遗留数据在农业生态系统。包括本研究中针对QR编写的R代码。
2017-08-13 stat.AP
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 in Semiparametric Quantile Factor Models
提出了半参数分位数因子面板模型的一种估计方法。我们提供的工具是强大的存在的时刻和弱横截面依赖的特殊误差项的形式的推理。我们将我们的方法应用于每日股票收益率数据。
2017-08-31 stat.ME
A semi-parametric estimation method for quantile coherence with an application to bivariate financial time series clustering
本文提出融合 VAR 参数谱近似、QACF、Durbin-Levinson 算法与跨分位数非参数平滑的分位数相干性半参数估计方法，并用于二元金融时间序列聚类。
2024-02-29 stat.CO stat.ME
A Bayesian Semiparametric Method For Estimating Causal Quantile Effects
标准因果推断通过平均值表征处理效应，但反事实分布不仅在集中趋势上不同，而且在分布和形状上也不同。为了提供对处理效应的综合评价，我们着重于估计分位数处理效应（QTE）。现有的反演累积分布函数的非光滑估计的方法禁止对概率密度函数（PDF）进行推断，但是PDF可以揭示反事实分布的更细微的特征。我们采用半参数条件分布回归模型，允许推断任何泛函的反事实分布，包括PDF和多个QTE。为了说明数据的观察性质并确保模型的有效性，我们调整了双重平衡得分，该得分增加了单个协变量的倾向得分。我们提供了一个贝叶斯估计框架，适当地传播建模的不确定性。我们通过模拟表明，使用双平衡分数的混杂调整提高了性能，调整任何单一的分数，和建议的半参数模型估计QTE比其他半参数方法更准确。我们将所提出的方法应用于北卡罗来纳州的出生体重数据集，以分析母亲吸烟对婴儿出生体重的影响。
2022-11-03 stat.CO stat.ME stat.ML
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
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
A Log Probability Weighted Moment Estimator of Extreme Quantiles
本文考虑右重尾模型极值分位数的半参数估计。本文提出了一种新的极值分位数对数概率加权矩估计，它是由尾部形状和尺度参数的估计得到的。在底层分布函数尾部的二阶正则变差条件下，我们推导出了所研究的估计量的非退化渐近行为，并给出了它们在最优水平上的渐近比较.此外，性能的估计说明通过应用程序的真实数据。
2014-01-14 stat.ME
Disease Mapping via Negative Binomial Regression M-quantiles
我们介绍了一个半参数的方法，生态回归疾病映射，建模的基础上回归M-分位数的负二项变量。该方法对模型协变量中的异常值具有鲁棒性，包括由于测量误差引起的异常值，并且可以解释空间异质性和空间聚类。基于著名的苏格兰唇癌数据集的模拟实验是用来比较的M-分位数建模方法和疾病映射的随机效应建模方法。这表明M分位数方法导致预测的相对风险比标准疾病映射方法具有更小的均方根误差。本文最后说明性的应用M分位数的方法，映射低出生体重的发病率数据，为2005年至2010年的英国地方政府区。
2013-10-12 stat.ME
Semiparametric quantile functional regression analysis of adolescent physical activity distributions in the presence of missing data
本文提出半参数分位数函数回归框架，通过样条混合模型建模连续预测变量的非参数效应，并引入函数对函数方法校正可穿戴活动数据中的缺失偏差，用于分析青少年身体活动分布。
2024-11-19 stat.AP stat.ME
Optimal and Safe Estimation for High-Dimensional Semi-Supervised Learning
我们考虑高维半监督学习中的估计问题。我们的目标是研究何时以及如何利用未标记数据来改善线性模型回归参数的估计，鉴于这类线性模型在数据分析中可能被错误指定的事实。我们首先建立了半监督环境下参数估计的极大极小下界，并证明了仅使用标记数据的监督估计不能达到这个下界。我们提出了一个最佳的半监督估计，可以达到这个下限，从而提高了监督估计，条件是可以一致地估计的平均函数与适当的速率。我们进一步提出了一个安全的半监督估计。我们认为它是安全的，因为这个估计量总是至少和监督估计量一样好。我们还将我们的想法扩展到由条件均值函数的不同误指定引起的多个半监督估计的聚集。大量的数值模拟和实际数据分析进行了说明我们的理论结果。
2023-03-18 math.ST stat.ME stat.ML
