Unconditional Quantile Partial Effects via Conditional Quantile Regression
本文提出一种基于条件分位数回归的两步半参数方法，用于估计无条件分位数偏效应，并证明其一致性与渐近正态性，通过模拟和恩格尔曲线应用验证了方法的有效性。
2023-12-30 econ.EM
Dynamic Network Quantile Regression Model
我们提出一个动态网络分位数回归模型，利用预定的网络信息来研究分位数的连通性。我们扩展了Zhu et al.（2019 b）现有的网络分位数自回归模型，明确允许同时的网络效应并控制分位数之间的公共因子。为了解决同时网络溢出引起的内隐问题，采用工具变量分位数回归（IVQR）估计，并利用网络过程的近历元依赖性，得到了IVQR估计的相合性和渐近正态性.通过蒙特卡罗模拟，我们证实了IVQR估计器在不同分位数的不同网络结构下的满意性能。最后，我们展示了我们提出的方法的实用性，并将其应用于2016年在纽约证券交易所和纳斯达克交易的股票数据集。
2021-11-15 econ.EM
Decentralization Estimators for Instrumental Variable Quantile Regression Models
工具变量分位数回归（IVQR）模型（Zhaizhukov and Hansen，2005）是一种用于估计具有内源协变量的因果分位数效应的常用工具。然而，由于IVQR GMM目标函数的非光滑性和非凸性，估计变得复杂。本文表明，IVQR估计问题可以分解成一组传统的分位数回归子问题，这些子问题是凸的，可以有效地解决。这种重新制定导致新的识别结果和快速，易于实施，和调谐免费的估计，不需要高级别的“黑箱”优化例程的可用性。
2020-09-16 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
A Simple Estimator for Quantile Panel Data Models Using Smoothed Quantile Regressions
Canay（2011）分位数面板数据模型的两步估计，由于其直观性强、计算成本低，近年来在实证研究中得到了广泛的应用。本文重新审视Canay（2011）的估计，指出他在渐近分析中错误地忽略了由于固定效应的估计而导致的估计偏差，这种忽略将导致对系数的无效推断。为了解决这个问题，我们提出了一个类似的易于实现的估计平滑分位数回归的基础上。建立了新估计量的渐近分布，并导出了其渐近偏差的解析表达式。基于这些结果，我们展示了如何进行渐近有效的推断分析和分裂面板刀切偏差校正的基础上。最后，有限样本模拟来支持我们的理论分析，并说明偏差校正在面板数据的分位数回归中的重要性。
2019-11-12 econ.EM
Censored Quantile Regression with Many Controls
研究了高维控制下删失分位数回归模型的估计和推断方法。该方法是基于双/去偏机器学习（DML）框架的Buchinsky和Hahn（1998）的删失分位数回归估计的应用。我提供了有效的推理低维参数的利益在高维干扰参数的存在下，实现机器学习估计。所提出的估计是一致的和渐近正态的。高维控制的估计器的性能说明了数值模拟和实证应用程序，检查401（k）资格对储蓄的影响。
2023-03-05 econ.EM
Specification Testing in Nonparametric Instrumental Quantile Regression
在计量经济学中，有许多环境需要对结构性扰动进行不可分离的建模。在具有内生回归变量的不可分离模型中，关键条件是工具变量的有效性和模型在标量不可观测变量中的单调性。在这些条件下，不可分模型等价于工具分位数回归模型。然而，关键条件的失败使得工具分位数回归可能不一致。本文提出了一种检验工具分位数回归模型是否正确的方法。我们的检验统计量在正确的规范下是渐近正态分布的，并且对任何替代模型都是一致的。此外，检验统计量，以证明模型简化。有限样本性质的研究在蒙特卡罗研究和经验说明。
2019-09-23 econ.EM
Bootstrap inference for panel data quantile regression
本文研究了具有固定效应的面板数据分位数回归模型中实用统计推断的自助方法。我们考虑随机加权自举响应，并正式建立其有效性的渐近推断。通过对固定效应面板数据使用加权分位数回归估计，自举算法在实践中易于实现。我们提供的条件下，允许个人的时间依赖性的观察结果，从而涵盖了一大类可能的经验应用。蒙特卡罗模拟提供了数值证据所提出的自助方法具有正确的有限样本性质。最后，我们提供了一个实证说明使用环境库兹涅茨曲线。
2021-11-05 econ.EM
Quantile-Regression Inference With Adaptive Control of Size
回归分位数具有渐近方差，其取决于给定回归变量的响应变量的条件密度。本文提出了一种新的估计的渐近方差的回归分位数，导致任何由此产生的Wald型检验或置信区域的行为以及在大样本中，其不可行的对应物，其中真正的条件响应密度嵌入。我们给出了明确的指导实施新的方差估计自适应控制的大小，任何由此产生的Wald型测试。蒙特卡罗证据表明，我们的方法有潜力在不同分位数水平、数据生成过程和样本量上提供对协变量分位数处理效应异质性的强大检验，并具有良好的大小性能。我们还包括一个实证的例子。补充材料可在线查阅。
2019-09-26 econ.EM
Instrumental Variable Quantile Regression
本章回顾了Zhazhukov和Hansen（2005）的工具变量分位数回归模型。我们讨论的关键条件用于识别结构分位数的影响，在这个模型中，其中包括工具的可用性和结构扰动的秩的限制。我们概述了几种方法来获得点估计和模型参数进行统计推断。最后，我们指出了未来研究的可能方向。
2020-08-28 econ.EM
Debiased/Double Machine Learning for Instrumental Variable Quantile Regressions
在本研究中，我们探讨了在工具变量分位数回归中，在高维控制下对低维因果参数的估计和推断。我们提出的计量经济学方法建立在先前研究的Neyman型正交矩条件基础上，Zhazhukov，Hansen和Wuthrich（2018），因此对干扰参数的估计相对不敏感。蒙特卡罗实验表明，该估计器能很好地处理高维控制。我们还应用该程序，以经验重新调查的分位数处理效应的401（k）参与积累的财富。
2021-02-21 econ.EM
Estimating Conditional Value-at-Risk with Nonstationary Quantile Predictive Regression Models
本文为分位数预测回归中的内生工具变量方法建立渐近理论，提出双重IVX校正估计器，对非平稳回归元中的持久性程度稳健，并调整协方差矩阵以考虑第一步估计误差。
2024-04-21 econ.EM
Structural Break Detection in Quantile Predictive Regression Models with Persistent Covariates
我们提出了一个计量经济环境的非平稳分位数预测回归的结构突变检测。我们基于Phillips和Magdalinos提出的普通最小二乘法估计量和内生工具回归估计量（2009 a，Econometric Inference in the Vicinity of Unity.工作文件，新加坡管理大学）。虽然这些检验统计量的渐近分布似乎取决于所选择的估计量，IVX为基础的测试被证明是渐近干扰参数免费的持久性和一致性的程度下，当地的替代品。通过仿真实验，这两种测试的有限样本性能进行了评估。通过对房价指数收益率的实证分析，验证了本文提出的非平稳时间序列回归分位数突变检验方法的实用性。
2023-02-10 econ.EM
Regional economic convergence and spatial quantile regression
\b{eta} -收敛在欧洲地区的存在是需要分析的重要问题。本文采用分位数回归方法分析经济收敛性。虽然以前的工作已经在国家层面上进行了分位数回归，我们专注于187个欧洲NUTS 2地区的1981-2009年期间，并使用空间分位数回归占空间依赖性。
2019-06-11 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
Parametric Modeling of Quantile Regression Coefficient Functions with Longitudinal Data
在普通的分位数回归中，不同阶数的分位数一次估计一个。另一种方法称为分位数回归系数建模（QRCM），将分位数回归系数建模为分位数阶数的参数函数。在本文中，我们描述了QRCM范式可以应用于纵向数据。我们引入了一个两水平分位数函数，其中使用两个不同的分位数回归模型来描述受试者内反应和个体效应的（条件）分布。我们提出了一种新型的惩罚固定效应估计，并讨论了它的优势，标准的方法的基础上$\ell_1$和$\ell_2$惩罚。我们提供了模型的可识别性条件，推导出渐近性质，描述拟合优度的措施和模型选择标准，目前的模拟结果，并讨论了应用。该方法已在R软件包qrcm中实现。
2020-05-30 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
Extremal Quantile Regression: An Overview
极值分位数回归，即应用于条件分布尾部的分位数回归，在越来越多的经济和金融应用中发挥作用，如风险价值、生产前沿、低婴儿出生体重的决定因素和拍卖模型。本章概述了极值分位数回归理论和算法的最新发展。该理论的进展依赖于对Koenker和Bassett（1978）分位数回归估计定律的极值近似的使用。极值律不仅被证明在尾部提供比高斯律更准确的近似，而且还被用作使用模拟和适当的自举和子采样变化来开发偏差校正估计量和推断方法的基础。这些方法的适用性说明了两个实证例子的条件风险价值和金融传染。
2017-02-08 econ.EM 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
Quantile Regression with Censoring and Endogeneity
本文提出了一种新的截尾分位数工具变量（CQIV）估计，并描述了它的性质和计算。CQIV估计量结合了Powell（1986）的删失分位数回归（CQR）来处理删失，并采用控制变量方法来纳入内生回归量。CQIV估计是在两个阶段中获得的，这两个阶段在不可观测量中是非加性的。第一阶段估计控制变量具有无穷维参数的非加性模型，例如分位数或分布回归模型。第二阶段估计感兴趣的响应变量的非加性删失分位数回归模型，包括估计的控制变量以处理内变量。对于计算，我们扩展了由Zhaizhukov和Hong（2002）开发的CQR算法，以纳入控制变量的估计。我们给出了CQIV估计量的渐近正态性的一般正则条件，并给出了近似其渐近分布的回归方法的有效性。我们验证了这些条件的控制变量的分位数和分布回归估计。我们的分析涵盖了两阶段（未删失）分位数回归与非添加剂的第一阶段作为一个重要的特殊情况。我们说明的计算和适用性的CQIV估计与蒙特卡洛数值例子和经验应用估计恩格尔曲线酒精。
2014-03-14 econ.EM stat.ME
Extremal quantile regression
分位数回归是估计给定协变量向量X的响应Y的条件分位数的重要工具。它不仅可以用来衡量协变量在分布中心的影响，而且可以用来衡量协变量在上尾和下尾的影响。本文发展了尾部分位数回归理论。具体地说，研究了尾部限制在最小吸引域且在回归变量值的尾部等价下闭的线性分位数回归模型的极值（极值阶和中间阶）分位数回归估计的大样本性质.这种建模设置结合了极值理论的限制与领先的同方差和异方差线性规格的回归分析。在大样本下，极阶回归分位数弱收敛于依赖于回归变量的Poisson过程随机积分的\argmin泛函，而中间回归分位数及其泛函收敛于方差矩阵依赖于尾部参数和回归变量设计的法向量.
2005-05-30 econ.EM math.ST stat.TH
Fast Algorithms for the Quantile Regression Process
分位数回归方法的广泛使用关键取决于快速算法的存在。尽管有许多算法的改进，计算时间仍然是不可忽略的，因为研究人员经常估计许多分位数回归，并使用引导推理。本文提出了两种新的快速算法，用于估计多个分位指数下的分位数回归序列。第一种算法应用Portnoy和Koenker（1997）的预处理思想，但利用先前估计的分位数回归来猜测残差的符号。这一步骤可以减少有效样本量。第二种算法从以前估计的分位数回归在一个类似的分位数指数，并更新它使用一个单一的牛顿-拉夫森迭代。第一种算法是精确的，而第二种算法只是渐近等价于传统的分位数回归估计。我们还将预处理的思想应用到自助样本中，通过使用样本估计来猜测自助样本中残差的符号。仿真结果表明，我们的新算法提供了非常大的改进，在计算时间没有显着的（如果有的话）成本的估计质量。例如，我们将估计99个分位数回归所需的时间除以100，其中包含20个回归变量和50，000个观测值。
2020-04-06 econ.EM stat.CO stat.ME
Estimation and Applications of Quantile Regression for Binary Longitudinal Data
本文提出了一个二进制纵向数据设置的分位数回归的框架。设计了一种新的马尔可夫链蒙特卡罗（MCMC）方法来拟合该模型，并在仿真研究中证明了其计算效率。所提出的方法是灵活的，因为它可以解释常见的和个人特定的参数，以及与几个协变量相关的多变量异质性。该方法适用于研究女性劳动力参与和住房所有权在美国。研究结果在不同的分位数上提供了新的见解，这对政策制定者和研究人员都很感兴趣。
2019-09-12 econ.EM stat.ME
Decoupling Shrinkage and Selection for the Bayesian Quantile Regression
本文将连续先验的解耦收缩和稀疏性思想推广到贝叶斯分位数回归（BQR）。该过程遵循两个步骤：在第一步中，我们收缩分位数回归后，通过国家的最先进的连续先验和在第二步中，我们稀疏后，通过一个有效的变体的自适应套索，信号自适应变量选择（SAVS）算法。我们提出了一个新的变体的SAVS自动选择的惩罚，通过分位数特定的损失函数，是有效的高维。我们在大规模的模拟表明，我们的选择过程降低了偏见，而不管数据中的真实的潜在稀疏程度，相比非稀疏回归后验。我们将我们的两步方法应用于高维风险增长（GaR）练习。保留非稀疏后验的预测准确性，同时产生可解释的分位数特定变量选择结果。我们的程序可用于向政策制定者传达哪些变量会导致宏观经济下行风险。
2021-07-18 econ.EM stat.ML
Censored Quantile Regression Forests
Department of Mathematics University of California San Diego（加利福尼亚大学圣地亚哥分校数学系）
随机森林是一种功能强大的非参数回归方法，但在存在随机删失观测值的情况下，其使用受到严重限制，并且由于所产生的偏差，天真地应用可能会表现出较差的预测性能。基于随机森林的局部自适应表示，我们开发了随机截尾回归分位数模型的回归调整。回归调整是基于新的估计方程，适应删失，并导致分位数得分时，数据不显示删失。所提出的方法被称为删失分位数回归森林，允许我们在没有任何参数建模假设的情况下估计事件发生时间的分位数。我们建立了温和的模型规格下的一致性。数值研究表明，所提出的程序的一个明显的优势。
2019-02-08 cs.LG 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
On the Unbiased Asymptotic Normality of Quantile Regression with Fixed Effects
具有固定个体效应的非线性面板数据模型为描述微观计量经济学数据提供了一套重要的工具。在一大类这样的模型中（包括概率单位、比例风险和分位数回归，仅举几例），不可能区分出个体效应，推断通常在“大n大T”渐近框架中是合理的。然而，目前在平滑评分函数（如概率单位和比例风险）和分位数回归模型中施加的假设类型存在相当大的差距。在本文中，我们表明，这一差距可以被弥合，并建立渐近无偏正态的分位数回归面板的n，T的条件下，是非常接近通常假设在标准的非线性面板。我们的结果大大改进了现有的理论，并表明，分位数回归适用于相同类型的面板数据（在n，T）作为其他常用的非线性面板数据模型。数值实验证实了我们的理论研究结果。
2020-02-06 econ.EM math.ST stat.TH
Self-Normalized Inference in (Quantile, Expected Shortfall) Regressions for Time Series
本文提出基于自归一化的时间序列（分位数，期望损失）回归推断方法，无需调优参数且尺寸正确，并通过模拟和两个实证应用验证其有效性。
2025-06-23 econ.EM math.ST stat.TH
Bias correction for quantile regression estimators
本文提出了一种用于分位数回归估计量的二阶偏倚校正方法，通过有限差分估计偏倚组件，提高了估计精度，并通过实证数据验证了其有效性。
2025-02-12 econ.EM math.PR math.ST
