Asymptotic efficiency of logistic regression relative to linear discriminant analysis
逻辑回归相对于线性判别分析的渐近效率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：摘要比较一般分类与参数检验方法，未给出选择行为模型，不能仅因逻辑回归归入离散选择。
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
逻辑回归相对于线性判别分析的渐近效率
- 研究问题
- 在解释变量服从正态分布时，逻辑回归与线性判别分析进行参数假设检验的渐近效率如何比较，与误分类率比较有何联系？
- 方法与思路
- 作者计算上述设定中参数检验的 Pitman 渐近效率，并将其与基于误分类率得到的渐近相对效率进行对照。
- 材料陈述的贡献
- 摘要称两种效率度量在该情形下相同，且检验的渐近效率不依赖解释变量数量和待检验参数数量。
- 阅读关注点
- 核对正态分布设定的完整含义、两种方法的模型条件及局部备择，并检查效率表达式和维度无关结论的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；效率数值和完整分布条件未提供，不能推及非正态变量或有限样本。
原文摘要
SUMMARY We calculate the asymptotic efficiency of logistic regression relative to linear discriminant analysis for testing hypotheses about the parameters when the explanatory variables are normally distributed. The Pitman asymptotic efficiency for hypothesis tests in this context is the same as the asymptotic relative efficiency calculated using misclassification rates and is independent, of the number of explanatory variables and the number of parameters to be tested.