Generating Test Data with Independently Controllable Features for Multivariate General Linear Forms
为多元一般线性形式生成特征可控的测试数据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：摘要讨论通用多元线性模型的测试数据生成，未提供针对某一所列经济计量细分方向的明确应用依据。
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…
为多元一般线性形式生成特征可控的测试数据
- 研究问题
- 如何为多元线性模型及其实现程序生成测试数据，使统计特征与数值性质可以按实验需要分别控制？
- 方法与思路
- 作者通过指定相关空间的奇异值分解组成部分，构造满足相互一致性约束的数据，并控制回归、相关和残差特征。
- 材料陈述的贡献
- 摘要称，算法能控制系数、平方和与乘积矩阵及相关结构，也可设置高杠杆点、异常值和残差分布并匹配部分真实特征。
- 阅读关注点
- 应核对各目标特征之间的可行性约束、奇异值分解构造步骤，以及异常点和残差分布控制是否影响其他指定性质。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；摘要未提供算法细节、软件或数值稳定性证据，不能推断实际实现表现。
原文摘要
Experiments to assess the performance characteristics, both of statistical methods and of computer programs that implement them, are best performed using test data with controlled statistical and numerical properties. We describe an algorithm for constructing test data for any multivariate linear model that provides complete control (subject only to the requirement of mutual consistency) over the following factors: regression coefficients; regression and residual sums of squares and products matrices; means, standard deviations, and correlations of the independent and dependent variables, residuals, and predicted values; and canonical correlations or multiple correlation. The algorithm permits aspects of the underlying data structure including high-leverage points, outliers, and the residual distribution, to be controlled by specifying the components of the singular-value decompositions of the independent variables, the dependent variables, or the error space. Some features of the generated test data may be matched to real data, while others are experimentally controlled or randomly generated.