Transforming a Response Variable for Linearity
通过响应变量变换实现回归线性化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用回归响应变换，未提供因果、面板、预测等领域细分的直接证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
通过响应变量变换实现回归线性化
- 研究问题
- 作者研究如何选择一元响应变量的变换，使变换后的条件均值对预测变量向量呈线性关系，并辅助识别所需变换。
- 方法与思路
- 作者先将原始响应对预测变量做线性回归，再以原始响应为横轴、拟合值为纵轴作图，并用平滑方法辅助判断变换。
- 材料陈述的贡献
- 摘要称，在若干简单假设下，这种响应与拟合值关系图能够可视化所需变换；具体假设及适用范围未说明。
- 阅读关注点
- 应核对支撑图形方法的假设、图形与目标变换的对应关系，以及平滑选择和样本波动如何影响视觉判断。
- 阅读边界
- OpenAlex 索引摘要版本未注明；材料未给出具体假设、变换估计误差或推断方法，不能据此保证任意回归可线性化。
原文摘要
We consider the problem of choosing a transformation t(y) of a univariate response variable y so that the regression function E{t(y)| x}is linear in the predictor vector x. Let y^ be the fitted values from a linear regression of y on x. Given a few simple assumptions, we show that the plot with y on the horizontal axis and y^ on the vertical axis can be used to visualise the needed transformation t(y). A smoother can then be used as an aid to assessing t(y) visually.