A Model-Free Test for Reduced Rank in Multivariate Regression
多元回归降秩的无预设模型检验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：摘要讨论通用多元回归维数约简，未明确涉及因子模型、结构估计或其他所列细分。
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
多元回归降秩的无预设模型检验
- 研究问题
- 在尚未指定多元回归模型时，如何检验均值关系的维数，并寻找能够概括多元均值函数样本信息的低维表示？
- 方法与思路
- 作者提出一种维数检验，其思路类似多元线性模型系数矩阵的秩检验，但不要求预先指定回归模型，并用于指导低维绘图。
- 材料陈述的贡献
- 摘要称，该检验可在分析初期帮助确定低维汇总图；这些图被推断能够包含有关多元均值函数的全部样本信息。
- 阅读关注点
- 应核对被检验维数的正式定义、无需预设模型仍需满足的条件、检验统计量和校准方式，以及信息保留结论的含义。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；无预设模型不意味着无需假设，摘要未说明具体条件、检验功效或信息保留的严格范围。
原文摘要
We propose a test of dimension in multivariate regression. This test is in the spirit of tests on the rank of the coefficient matrix in a multivariate linear model, but it does not require a prespecified model. The test may be particularly useful at the outset of an analysis before a multivariate model is posited, because it can lead to low-dimensional summary plots that are inferred to contain all of the sample information on the multivariate mean function.