ON THE ANALYSIS OF MULTIPLE REGRESSION IN k CATEGORIES
多个类别中的多元回归分析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：摘要讨论一般多元回归与系数检验，未提供面板、因果或其他给定细分方向的明确依据。
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
多个类别中的多元回归分析
- 研究问题
- 当多个类别各包含一组变量时，如何检验各类别的部分回归系数集合，并在统一模型中处理类别间的相关问题？
- 方法与思路
- 作者提出一般模型，采用信息论思路构造部分回归系数的假设检验，并以方差分析比值作为显著性检验统计量。
- 材料陈述的贡献
- 摘要称该框架包含既有的类别成员间相关效应问题，并应用于数据；类别间随机依赖情形则联系到已有多元线性假设研究。
- 阅读关注点
- 应核对一般模型如何组织类别与变量、系数假设及检验统计量的分布条件，并区分类别间依赖的本文处理与已有结果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型具体条件、数据内容及检验表现未说明，不能推断刊本变化。
原文摘要
The general model, an information theoretic approach and solution to problems of test of hypotheses concerning sets of partial regression coefficients from k categories each involving p+1 variates, is presented and applied to certain data. The significance test is the analysis of variance ratio. It is shown that Carter's (1949) problem involving a ‘correlation effect’ among the ith members of each category reduces to a special case. The case of stochastic dependence among categories has been included by Kullback (1956) in his discussion of the multivariate linear hypothesis.