Non-parametric Quantile Regression and Uniform Inference with Unknown Error Distribution
本文研究了协变量存在未知分布测量误差时的条件分位数回归函数非参数估计与一致推断,提出反卷积核估计量构建一致置信带,并通过模拟与实际数据验证了方法的有效性。
2025-04-02 econ.EM stat.ME
Regularized Quantile Regression with Interactive Fixed Effects
本文研究了具有交互固定效应的大型$N$和大型$T$条件分位数面板数据模型。我们提出了一个核范数惩罚估计的协变量和低秩矩阵的系数形成的固定效应。该估计器解决了凸最小化问题,不需要预先估计固定效应的(数量)。它还允许协变量的数量随着$N$和$T$缓慢增长。我们推导出了在分位数水平上一致成立的估计量的误差界。界的顺序意味着一致一致的一致性估计,并接近最佳的低秩分量。给定误差界,我们还提出了一个一致的估计的数量的固定效应在任何分位数水平。为了推导出误差界,我们开发了新的理论参数下的原始假设和随机矩阵,可能是独立的利益的新成果。我们通过蒙特卡罗模拟证明了估计器的性能。
2021-03-16 econ.EM
Quantile regression with generated dependent variable and covariates
我们研究线性分位数回归模型,当回归变量和/或因变量不是直接观察到的,而是在初始的第一步估计,并用于第二步分位数回归估计分位数参数。这类广义的生成分位数回归(GQR)涵盖了各种统计应用,例如内生分位数回归模型和三角结构方程模型的估计,并讨论了一些新的相关应用。我们研究了两步估计的渐近分布,这是具有挑战性的,因为在非光滑分位数回归估计中存在生成的协变量和/或因变量。我们采用经验过程理论的技术,找到统一的Bahadur展开的两步估计,这是用来建立渐近结果。我们通过模拟和基于拍卖的实证应用说明了GQR估计的性能。
2020-12-25 econ.EM
Uniform Inference for Parameters Identified by Conditional Quantile Restrictions
Guanghua School of Management, Peking University(北京大学光华管理学院)
针对条件分位数约束识别的参数,提出自适应ℓ1惩罚上确界统计量及统一推断框架,含方差修正和自助法,模拟显示良好尺寸和功效。
2026-10-27 econ.EM
Local Composite Quantile Regression for Regression Discontinuity
本文将局部复合分位数回归(LCQR)引入到不连续回归(RD)设计的因果推断中。Kai等人(2010)研究了LCQR的效率特性,而我们表明,其良好的边界性能转化为在各种数据生成过程下对RD中的处理效应的准确估计。此外,我们提出了一个偏差校正和标准误差调整的t检验的推断,这导致了良好的覆盖概率的置信区间。还讨论了带宽选择器。为了说明,我们进行了模拟研究,并重新审视了Lee(2008)的一个经典例子。开发了一个配套的R包rdcqr。
2021-10-31 econ.EM
Averaging estimation for instrumental variables quantile regression
本文针对 IVQR 有限样本效率问题,提出基于平均 GMM 与 bootstrap 权重的平均估计方法,并通过模拟验证其在多工具变量情形下一致降低风险。
2019-10-09 econ.EM
Fixed-k Inference for Conditional Extremal Quantiles
我们发展了一个新的极值理论,重复的横截面和面板数据构造渐近有效的置信区间(CI)的条件极值分位数从一个固定数量的最近邻尾观测$k$。作为副产品,我们还构造了线性随机系数模型中系数极值分位数的CI。对于任何固定的$k$,CI在与各种尾部指数相关的一组非参数数据生成过程中一致有效,无需参数假设。模拟研究表明,我们的CI表现出优越的小样本覆盖率和长度属性比其他非参数方法的基础上渐近正态性。应用所提出的方法出生人口统计,我们研究极低出生体重的因素。我们发现,主要影响的迹象是相同的,在以前的研究中发现的参数模型的基础上,但具有不同的幅度。
2020-07-19 econ.EM
Nonparametric Identification in Panels using Quantiles
本文研究了具有时间齐性的不可分面板模型中连续回归变量的CeterisParibus效应的识别和估计。兴趣效应是模型的平均值和分位数结构函数的导数。我们发现,这些衍生工具被确定为两个时间段的“逗留者”,即个人在两个时间段具有相同的回归值。我们表明,识别结果结转到模型,允许位置和规模的时间效应。我们提出了非参数序列方法和加权自助法来估计和推断所确定的效果。提出的引导允许统一推断的功能值的参数,如分位数的影响,均匀的分位数指数和/或回归值的区域。恩格尔曲线估计面板数据的实证应用说明了结果。
2014-08-05 econ.EM stat.ME
quantreg.nonpar: An R Package for Performing Nonparametric Series Quantile Regression
R包quantreg.nonpar实现了非参数分位数回归方法来估计部分线性分位数模型并进行推断。quantreg.nonpar基于对模型的非参数部分的系列近似来获得条件分位数函数及其导数的点估计。它还提供了逐点和均匀的置信区间的协变量值和/或分位数指数的相同功能,使用分析和重新排序方法的区域。本文介绍了该软件包,并展示了其中包含的函数的基本功能。
2016-10-26 econ.EM stat.CO
A Panel Quantile Approach to Attrition Bias in Big Data: Evidence from a Randomized Experiment
University of Kentucky(肯塔基大学)
本文介绍了具有个体异质性和损耗的面板数据模型的分位数回归估计。该方法的动机是在大数据应用程序中经常遇到磨损偏见的事实。例如,许多用户注册了最新的程序,但几个月后很少有活跃用户,这使得对这种干预措施的评估本身就非常具有挑战性。在Hausman和Wise(1979)的早期工作的基础上,我们提供了一个简单的识别策略,导致两步估计过程。在第一步中,选择方程中的感兴趣的系数使用参数或非参数方法一致地估计。在第二步中,对加权观测值的子集采用标准面板分位数方法。该估计器在计算上易于在具有大量受试者的大数据应用中实现。我们调查的条件下,参数估计是渐近高斯和我们进行了一系列的蒙特卡罗模拟调查的有限样本性质的估计。最后,使用一个模拟练习,我们应用该方法来评估最近的一个时刻的电力定价实验的启发,艾格纳和豪斯曼(1980)的工作。
2018-08-09 cs.LG econ.EM stat.AP
Conditional Quantile Processes based on Series or Many Regressors
Quantile regression (QR) is a principal regression method for analyzing the impact of covariates on outcomes. The impact is described by the conditional quantile function and its functionals. In this paper we develop the nonparametric QR-series framework, covering many regressors as a special case, for performing inference on the entire conditional quantile function and its linear functionals. In this framework, we approximate the entire conditional quantile function by a linear combination of series terms with quantile-specific coefficients and estimate the function-valued coefficients from t…
2018-08-09 econ.EM math.ST stat.ME
Two-way Clustering Robust Variance Estimator in Quantile Regression Models
University at Albany – State University of New York(纽约州立大学奥尔巴尼分校)
针对双向聚类数据,提出一种基于核密度估计和投影分解的双向聚类稳健三明治方差估计量,并证明其在高斯机制下的一致性及推断有效性。
2026-07-07 econ.EM stat.AP
Smoothing quantile regressions
我们建议在线性分位数回归中平滑整个目标函数,而不仅仅是检查函数。不仅得到的平滑分位数回归估计量产生较低的均方误差和更准确的Bahadur-Kiefer表示比标准估计量,但它也是渐近可微的。我们利用后者提出了一个分位数密度估计,不受维数灾难。这意味着估计条件密度函数而不用担心协变量向量的维数。它还允许两阶段有效的分位数回归估计。我们的渐近理论保持一致的带宽和分位数水平。最后,我们提出了一个经验法则来选择平滑带宽,应该近似最佳带宽。仿真结果表明,我们的平滑分位数回归估计确实表现得很好,在有限的样本。
2019-08-15 econ.EM stat.ME
Selection and the Distribution of Female Hourly Wages in the U.S
我们分析了选择偏差的作用,在产生的变化中观察到的女性小时工资分布在美国使用CPS数据1975年至2020年。我们通过对工作时间的分布进行建模,并估计一个不可分离的工资模型,来解释就业决策中的选择偏差。我们将工资分配的变化分解为组成效应、结构效应和选择效应。成分效应增加了所有分位数的工资,而结构效应的影响因时间段和分位数而异。选择作用的变化只出现在工资分布的较低分位数。有证据表明,在20世纪70年代有积极的选择,直到90年代后期才逐渐减少。这降低了较低分位数的工资,加剧了工资不平等。2000年后,积极排序似乎有所增加,这减少了对工资不平等的选择效应。
2022-01-27 econ.EM stat.ME
Valid Post-Selection Inference in High-Dimensional Approximately Sparse Quantile Regression Models
本文提出了一种新的(异质)分位数回归模型中回归系数的推断方法。我们考虑一个高维模型,其中回归变量的数量可能超过样本量,但其中的一个子集足以构建一个合理的近似条件分位数函数。所提出的方法是(显式或隐式)基于正交得分函数,防止适度的模型选择错误,这往往是不可避免的,在本文中考虑的近似稀疏模型。我们建立了所提出的分位数回归系数的置信区域的一致有效性。重要的是,这些方法直接适用于一个以上的变量和连续的分位数指数。此外,所提出的方法的性能说明通过蒙特卡洛实验和实证的例子,处理儿童营养不良的危险因素。
2016-06-23 econ.EM math.ST stat.TH
Generic Inference on Quantile and Quantile Effect Functions for Discrete Outcomes
分位数和分位数效应函数由于其自然和直观的解释,是描述性和因果分析的重要工具。这些函数的现有推断方法不适用于离散随机变量。本文给出了可能离散随机变量的分位数和分位数效应函数的同时置信带的一种简单、实用的构造方法。它是基于一个自然的转换同时置信带的分布函数,这是很容易获得的许多问题。这种结构是通用的,不依赖于根本问题的性质。它与参数、半参数和非参数建模方法结合使用,用于观测分布和反事实分布,并且不依赖于抽样方案。我们应用我们的方法来描述分布的影响,保险覆盖率对医疗保健利用,并获得种族测试分数差距的分布分解。我们发现,全民保险覆盖增加了整个分布中的医生就诊次数,并且种族测试分数差距在早期很小,但由于影响儿童发展的社会经济因素,特别是在分布的顶部,随着年龄的增长而增长。这些是新的、有趣的实证研究结果,补充了以前只关注平均效应的分析。在这两个应用程序中,感兴趣的结果是离散的渲染现有的推理方法无效获得统一的置信带观察和反事实的分位数函数和他们的差异-分位数效应函数。
2018-08-31 econ.EM stat.ME
Doubly Robust Estimation of Direct and Indirect Quantile Treatment Effects with Machine Learning
提出基于双重/去偏机器学习的直接与间接分位数处理效应估计方法,通过有效得分函数与交叉拟合实现稳健估计,并应用于模拟与实证数据验证有效性。
2023-07-03 econ.EM stat.ML
Convolution Mode Regression
针对偏态肥尾分布下众数回归面临维数灾难和非凸优化问题,提出通过反演条件分位数密度并采用卷积平滑分位数回归的新估计量,实现设计点与带宽双重一致收敛且无维度和优化障碍。
2024-12-07 econ.EM math.ST stat.TH
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