Estimation of dimensionality in canonical correlation analysis
典型相关分析中的维数估计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：摘要研究一般典型相关分析的维数选择，未明确涉及宏观或金融因子模型。
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
典型相关分析中的维数估计
- 研究问题
- 在典型相关分析中，应保留多少个有效维度，如何以模型选择方法估计这一数量，并与传统顺序检验程序比较其表现？
- 方法与思路
- 作者提出两种维数选择方法，分别基于回归中的 Mallows Cp 统计量和信息准则，并通过 Monte Carlo 比较顺序检验与两种方法。
- 材料陈述的贡献
- 摘要称给出两种典型相关维数估计方法，报告与 Bartlett–Lawley 顺序检验的模拟比较，并将方法应用于典型变量分析的维数选择。
- 阅读关注点
- 应核对维数的统计定义、两个准则的具体惩罚项，以及顺序检验采用的显著性水平；还需比较过选、漏选和样本规模对结果的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体准则、分布条件和模拟比较结果未说明，不能判断哪种方法普遍更优或推断刊本变化。
原文摘要
Two methods are given for the estimation of the dimensionality in canonical correlation analysis. One is based on Mallows's Cp statistic in regression. The other uses an information criterion for choice of models. Monte Carlo comparison of the sequential Bartlett-Lawley test procedure and the two methods are presented. The two methods are applied to the estimation of the dimensionality in canonical variate analysis.