The Subset Problem in Multivariate Analysis of Variance
多元方差分析中的变量子集选择问题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：摘要属于一般多元分析与变量选择，未提供所列领域细分的直接依据。
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
多元方差分析中的变量子集选择问题
- 研究问题
- 多元方差分析及依赖它的判别分析可能受无关变量影响，如何找到一个简约且表现基本接近全部变量的子集？
- 方法与思路
- 作者利用多元方差分析与多元回归在计算上的相似性，从回归方法推导逐步选择程序及最佳子集方法，并研究逐步推断。
- 材料陈述的贡献
- 摘要明确提出两类变量子集选择方法，并考察逐步程序的推断问题；并未给出选择准确率或性能改进的具体结果。
- 阅读关注点
- 应核对衡量子集与全集接近程度的标准、搜索和停止规则，以及逐步选择后的推断如何处理选择带来的影响。
- 阅读边界
- 仅据所给 Crossref 摘要；适用模型条件、计算复杂度和选择后推断结论未说明，也不能推断刊本或其他版本变化。
原文摘要
Summary As with most other multivariate techniques, methods such as discriminant analysis which depend on multivariate analysis of variance are affected adversely by the inclusion of irrelevant variables. This paper discusses the problem of finding a parsimonious subset of variables that is essentially as good as the full set. As a result of the close computational similarity to multiple regression, a stepwise procedure, and a best subset method are derived from their regression counterparts. The inferential aspects of the stepwise procedure are also investigated.