Graph-Theoretic Measures of Multivariate Association and Prediction
多元关联与预测的图论度量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：距离图是构造通用关联统计量的工具，摘要未研究网络数据或所列经济预测方向。
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
多元关联与预测的图论度量
- 研究问题
- 如何度量多元变量间的非单调关联，并衡量向量变量对另一向量进行单值预测的能力，而无需依赖排序？
- 方法与思路
- 作者用点间距离构造图，定义广义相关统计量与非对称预测系数，并讨论统计量渐近正态性的证明方法。
- 材料陈述的贡献
- 摘要称提供对非单调关系敏感的分布无关独立性检验，适用于多元情形，并展示多元回归残差分析应用。
- 阅读关注点
- 应核对图构造与距离选择、分布无关性的成立条件、预测系数的解释，以及渐近正态性如何用于实际检验。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；有限样本校准与预测表现未说明，不能据此推断经济预测效果。
原文摘要
Interpoint-distance-based graphs can be used to define measures of association that extend Kendall's notion of a generalized correlation coefficient. We present particular statistics that provide distribution-free tests of independence sensitive to alternatives involving non-monotonic relationships. Moreover, since ordering plays no essential role, the ideas are fully applicable in a multivariate setting. We also define an asymmetric coefficient measuring the extent to which (a vector) $X$ can be used to make single-valued predictions of (a vector) $Y$. We discuss various techniques for proving that such statistics are asymptotically normal. As an example of the effectiveness of our approach, we present an application to the examination of residuals from multiple regression.