Consistency of Nonlinear Regression Quantiles under Type I Censoring, Weak Dependence and General Covariate Design

For both deterministic or stochastic regressors, as well as parametric nonlinear or linear regression functions, we prove the weak consistency of the coefficient estimators for the Type I censored quantile regression model under different censoring mechanisms with censoring points depending on the observation index (in a nonstochastic manner) and a weakly dependent error process. Our argumentation is based on an exposition of the connection between the residuals of the economically relevant model at the outset of the censored regression problem, and the residuals which are subject to the corresponding optimization process of censored quantile regression. Kurzfassung: In dieser Arbeit wird die schwache Konsistenz der Koeffizientenschätzer für das zensierte (Typ I) Quantilsregressionsmodell unter sehr allgemeinen Bedingungen – lineare und nichtlineare Regressionsfunktionen, deterministische und stochastische Regressoren, Zensierungsgrenzen die (in nichtstochastischer Weise) vom Beobachtungsindex abhängen sowie schwach abhängige Fehlerterme – bewiesen. Die Argumentation basiert dabei auf dem Zusammenhang zwischen den ökonomischen relevanten Residuen des Ausgangsmodells und den Residuen die Gegenstand der Zielfunktion des Optimierungskalküls der zensierten Quantilsregression sind. JEL classification: C22, C24.