Problems in the Analysis of Survey Data, and a Proposal
调查数据分析中的问题与一种方法建议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：摘要讨论一般调查数据的交互作用与预测分析，未指向所列经济预测或因果识别领域。
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
调查数据分析中的问题与一种方法建议
- 研究问题
- 调查数据包含非数值解释变量和交互作用时，如何减少依赖加性假设，并按预测误差降低程度评价因素的重要性？
- 方法与思路
- 作者提出一种序贯调查数据分析方法，以减少预测误差衡量重要性，摘要称其不限制交互作用且不依赖因素引入顺序。
- 材料陈述的贡献
- 摘要提出处理交互作用的分析思路，并称该方法不受分类线性程度及解释因素引入顺序影响，具体实现未展开。
- 阅读关注点
- 应核对预测误差与重要性的定义、序贯操作步骤，以及交互作用不受限和引入顺序无关的具体含义。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；算法、验证结果和适用条件未提供，预测重要性不能直接解释为因果效应。
原文摘要
Most of the problems of analyzing survey data have been reasonably well handled, except those revolving around the existence of interaction effects. Indeed, increased efficiency in handling multivariate analyses even with non-numerical variables, has been achieved largely by assuming additivity. An approach to survey data is proposed which imposes no restrictions on interaction effects, focuses on Importance in reducing predictive error, operates sequentially, and is independent of the extent of linearity in the classifications or the order in which the explanatory factors are introduced.