Regression for Compositional Data by using Distributions Defined on the Hypersphere
利用超球面分布进行成分数据回归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：摘要关注成分数据的方向分布回归，零分量并不直接对应离散选择，且没有其他给定领域的专门证据，故不作细分归类。
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
利用超球面分布进行成分数据回归
- 研究问题
- 如何对各分量组成整体且可能含零值的成分数据建立回归模型，并以适当的方向分布表达其均值和协方差结构？
- 方法与思路
- 作者用平方根变换将成分数据转为方向数据，采用 Kent 分布，并将其平均方向建模为协变量向量的函数。
- 材料陈述的贡献
- 摘要称该模型自然容纳零分量，估计量可视为渐近最大似然估计，并报告其适用于包括部分零分量在内的典型成分数据。
- 阅读关注点
- 应核对变换后的支持集与方向分布如何匹配、均值方向的参数化及协方差限制，以及零分量情形的估计和评估方式。
- 阅读边界
- 仅依据所给 Crossref 摘要。摘要未说明零值类型、完整分布条件或性能数值，不能推断方法对所有含零成分数据均有良好表现。
原文摘要
Summary Compositional data can be transformed to directional data by the square-root transformation and then modelled by using distributions defined on the hypersphere. One advantage of this approach is that zero components are catered for naturally in the models. The Kent distribution for directional data is a good candidate model because it has a sufficiently general covariance structure. We propose a new regression model which models the mean direction of the Kent distribution as a function of a vector of covariates. Our estimators can be regarded as asymptotic maximum likelihood estimators. We show that these estimators perform well and are suitable for typical compositional data sets, including those with some zero components.