A Modified Doolittle Approach for Multiple and Partial Correlation and Regression
计算多重相关、偏相关与回归的改进 Doolittle 方法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：摘要重点是通用相关与回归的计算流程，有限信息方法仅作计算参照，未提供结构估计或宏观预测的充分依据。
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
计算多重相关、偏相关与回归的改进 Doolittle 方法
- 研究问题
- 在桌面计算器的计算条件下，如何灵活获得多重相关、偏相关和回归系数，并处理变量调整与标准误计算？
- 方法与思路
- 作者提出改进 Doolittle 计算流程，尽可能沿用有限信息方程系统计算的步骤，并避免通常需要的回代。
- 材料陈述的贡献
- 摘要称，方法便于初学者理解且计算灵活，同时包括数据编码、变量交换增删，以及函数或预测标准误的计算。
- 阅读关注点
- 应核对矩阵运算步骤、避免回代的实现、变量调整与标准误公式，并区分当时计算器环境与现代软件环境。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出误差分析或运行比较，不能据此声称优于现代数值算法。
原文摘要
A method for obtaining multiple and partial correlation and regression coefficients on desk calculators is presented that is efficient and highly flexible. Insofar as possible, the computations parallel those used when fitting interrelated systems of equations by the limited information approach. This method is easier for beginners to understand than the usual Doolittle approach because no back solution is required. Efficient methods for (1) coding the data, (2) interchanging, adding or eliminating variables, and (3) obtaining standard errors of the function or of forecasts are included.