摘要:
本文研究非参数分位数回归模型中条件分位数函数的推导。任何构造该函数置信区间或置信带的方法都必须处理函数的非参数估计的渐近偏差。在估计方法中,如局部多项式估计,这通常是通过欠平滑或显式偏差校正来实现的。后者通常需要过度讨论。然而,没有令人满意的经验方法来选择欠平滑或过平滑的带宽。本文将Hall和Horowitz(2013)关于条件平均函数的bootstrap方法推广到了条件分位数函数。本文还说明了如何使用bootstrap方法来获得均匀的置信带。引导方法只使用由标准方法(如交叉验证和插件)选择的带宽。它不使用欠平滑或过平滑。蒙特卡罗实验的结果说明了bootstrap方法的数值性能。