Variable Selection in Heteroscedastic Discriminant Analysis
异方差判别分析中的变量选择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：摘要属于一般多元判别分析与变量选择，未建立与所列经济学领域细分的直接联系。
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
异方差判别分析中的变量选择
- 研究问题
- 在多个正态总体的均值与协方差可能不同的判别分析中，如何区分各变量的贡献，并据此开展变量选择？
- 方法与思路
- 作者利用均值与协方差相同性似然比统计量的逐步分解，考察各变量的残差同方差性、回归平行性和位置相同性。
- 材料陈述的贡献
- 摘要提出将上述分解用于变量选择的多种方式，使不同来源的组间差异得到分别考察；未报告选择效果的数值比较。
- 阅读关注点
- 应核对变量排序如何影响逐步分解、三个分量对应的原假设，以及各类变量选择规则的误差控制与适用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；方法以多个正态总体为背景，摘要未说明选择规则的完整性质或后续刊本变化。
原文摘要
The likelihood ratio test statistic for the identity in means and covariance matrices of k normal populations has a well-known step-down decomposition measuring the contribution of each component of the vector observation. This decomposition in turn gives rise to three components testing the residual homo-scedasticity of each variable, the parallelism of its regression on its predecessors, and the identity of location. A variety of uses of this decomposition in selecting variables is proposed.