The Use of Polynomials to Shift Coefficients in Linear Regression Models
用多项式改变线性回归模型的系数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：摘要讨论一般线性回归的系数参数化，分布滞后仅作为例子，缺少所列微观、宏观或金融细分方向的明确依据。
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…
关注这篇论文的作者
用多项式改变线性回归模型的系数
- 研究问题
- 在线性回归中，除用多项式刻画解释变量的非线性之外，如何让回归系数通过多项式变化，并将这一技术用于更多场景？
- 方法与思路
- 作者建议更广泛地采用多项式来描述回归系数的变化，并提出以 Lagrange 插值形式表示这些多项式，方便实务建模。
- 材料陈述的贡献
- 摘要所述贡献是推广多项式系数变化技术的应用范围，并推荐 Lagrange 插值表示；具体新增应用、理论结果或性能比较未列明。
- 阅读关注点
- 应核对系数随何种变量变化、多项式次数和插值节点如何选择，以及这一参数化的约束、估计方式与解释是否清楚。
- 阅读边界
- 摘要未说明具体模型设定、识别条件、数值稳定性或应用结果；“对实务最方便”是作者建议，尚无摘要内的比较证据支持。
原文摘要
Polynomials are commonly used in linear regression models to capture nonlinearities in explanatory variables. It is less common, however, that polynomials are used to shift the regression coefficients, an exception being the use of polynomially distributed lag coefficients. This note recommends the technique for a wider range of applications and suggests the Lagrangian interpolation representation as the most convenient for practitioners.