Monotone Regression and Covariance Structure
单调回归与协方差结构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：摘要讨论通用单调回归和依赖结构，未明确对应所列因果、因子或结构估计方向。
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
单调回归与协方差结构
- 研究问题
- 当解释变量无法直接观测、但可辨认其高低取值时，单调回归如何帮助检验相关性，并联系边际协方差与独立性？
- 方法与思路
- 作者结合各分量对同一变量的单调回归、给定该变量时的不相关条件和 Chebyshev 不等式，分析边际协方差的含义。
- 材料陈述的贡献
- 摘要称在所述条件下，边际协方差为零意味着至多一个分量可能与该变量相关，并讨论不相关蕴含独立的特定情形。
- 阅读关注点
- 应核对单调性的方向与严格程度、潜在变量高低取值的识别方式，以及从不相关进一步推至独立所需的附加条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；检验构造和独立性结论的具体条件未提供，不能将其推广至一般潜变量模型。
原文摘要
The monotone regression of a variable $X$ on another variable $Y$ is of particular interest when $Y$ cannot be directly observed. The correlation of $X$ and $Y$ can be tested if at least high and low values of $Y$ can be recognized. If all the components of a random vector have monotone regression on a variable $Y$, and if they are all uncorrelated given $Y$, then an inequality due to Chebyshev shows that marginal zero covariances imply that all but at most one of the components are uncorrelated with $Y$. Cases are examined where marginal uncorrelatedness of attributes implies their independence. Applications to contaminated experiments and to discriminant analysis are noted.