A Modified Doolittle Approach for Multiple and Partial Correlation and Regression
计算复相关、偏相关与回归系数的改进 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：摘要主要介绍一般统计计算程序，提及有限信息和预测不足以确定所列领域细分。
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
计算复相关、偏相关与回归系数的改进 Doolittle 方法
- 研究问题
- 如何在台式计算器上灵活计算复相关、偏相关与回归系数，同时便于调整变量并计算拟合函数或预测的标准误？
- 方法与思路
- 作者提出改进的 Doolittle 计算方法，尽可能与有限信息方程系统的计算步骤对应，并包含数据编码及变量增删交换程序。
- 材料陈述的贡献
- 摘要称，该方法无需回代，便于初学者理解，并提供处理变量调整及标准误的程序；效率与灵活性属于作者的陈述。
- 阅读关注点
- 应核对消元与计算流程、无需回代的实现方式、标准误公式，以及与有限信息方法的对应关系究竟涉及哪些步骤。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未提供效率比较或数值精度证据，不能将历史计算便利性视为现代计算优势。
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.