More on Computational Accuracy in Regression
再论回归计算的准确性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：摘要关注回归数值精度与近多重共线性，就业数据本身不足以支持某个宏观计量细分。
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
再论回归计算的准确性
- 研究问题
- 如何用奇异值分解分析就业数据中的近多重共线性及回归计算误差，并评价既有蒙特卡洛研究是否切中该问题？
- 方法与思路
- 作者对先前讨论 Longley 回归计算误差的文章提出异议，利用就业数据的奇异值分解诊断近多重共线性，并批评既有模拟设计。
- 材料陈述的贡献
- 摘要称，奇异值分解可用于分析该数据的近多重共线性；作者认为先前的蒙特卡洛研究信息不足、具有误导性且可能不相关。
- 阅读关注点
- 阅读时应核对被评论文章的具体主张、数据矩阵的奇异值结构、计算误差衡量方式，以及对蒙特卡洛设计批评的论据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，这是针对既有研究的批评性讨论；无法独立判断批评是否成立，也不能推断一般算法优劣。
原文摘要
Issue is taken with a previous article which examines Longley's analysis of computation error in regression models. Specifically, the singular value decomposition is used to analyze a set of data which relates to employment levels. This decomposition is used to analyze near multicollinearity in the data. It is suggested that a previous Monte Carlo study of this problem is noninformative, misleading, and possibly irrelevant.