Classical and Modern Regression With Applications.
经典与现代回归及其应用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：摘要覆盖广泛回归主题，分类响应与自相关误差仅是内容列表，不足以确定专门领域归属。
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
经典与现代回归及其应用
- 研究问题
- 这段材料介绍如何结合真实数据、概念和数学推导讲解回归分析，覆盖哪些诊断、估计、变换及非标准响应问题？
- 方法与思路
- 摘要以多学科应用实例串联回归技术，将实际数据演示与概念、数学发展结合，涵盖残差诊断、似然估计及多类回归模型。
- 材料陈述的贡献
- 摘要列举扩充内容，包括联合影响、一般线性假设、最小二乘几何、Box–Cox 变换、分类响应、自相关误差和逻辑回归。
- 阅读关注点
- 应先核对资料究竟属于书籍介绍还是书评，再查看各主题的推导深度、应用实例与练习安排，避免将覆盖范围视为新方法贡献。
- 阅读边界
- 仅据未注明稿件版本的索引摘要；材料呈现综合性回归读物介绍，未提供原创研究结果，也不足以确认该 DOI 对应条目的文献类型。
原文摘要
The author emphasizes applications with examples that illustrate nearly all the techniques discussed. Applications have been selected from physical sciences, engineering, biology, management science and economics. Emphasis is also placed on concepts with a blend between illustrations using real data sets and mathematical and conceptual development. Expanded coverage includes: simultaneous influence, maximum likelihood estimation of parameters, and the plotting of residuals, the use of the general linear hypothesis, indicator variables, the geometry of least squares, the relationship to ANOVA models, Box-Cox transformation with illustrations, categorical response, other nonnormal error situations, autocorrelated errors and logistic regression.