Some Algorithms for Linear Spline and Piecewise Multiple Linear Regression
线性样条与分段多元线性回归的若干算法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：摘要讨论一般回归中的分段变化，未明确研究时间序列或宏观结构变化。
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
线性样条与分段多元线性回归的若干算法
- 研究问题
- 如何有效计算线性样条和分段多元线性回归，并通过图形辅助发现回归关系中的变化及其位置？
- 方法与思路
- 作者开发回归算法及配套绘图程序，从计算效率和人工数据表现两方面与既有算法比较，并展示FORTRAN IV实现应用。
- 材料陈述的贡献
- 摘要称文章提供高效算法和显示回归变化位置的绘图方法，并通过人工数据比较及应用示例说明算法用途。
- 阅读关注点
- 应核对分段与样条的参数化、变化位置的搜索规则、算法比较的计算口径，以及图形提示是否具有正式统计推断支持。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明时间索引、统计检验、复杂度或具体比较结果，不能据此认定宏观结构变化贡献。
原文摘要
This paper develops some efficient algorithms for linear spline and piecewise multiple linear regression. A plotting procedure that shows the existence and location of changes in linear regression models is developed as an adjunct to one of the algorithms. The algorithms are compared with other presently available algorithms both in terms of efficiency and in terms of performance on sets of artificial data. An example shows how the algorithms, implemented in portable FORTRAN IV, can be used profitably in the analysis of data.