Nonparametric Transformations for Both Sides of a Regression Model
回归模型两侧的非参数变换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：摘要讨论一般回归变换和误差分布建模，未明确研究分布效应或宏观、金融预测。
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
回归模型两侧的非参数变换
- 研究问题
- 为处理回归误差的异方差与偏斜，如何突破幂变换族的限制，以更灵活的非参数变换争取误差正态性和有效预测区间？
- 方法与思路
- 作者通过最大化惩罚似然估计变换，得到变换对数导数的样条估计，并给出计算算法及估计存在性和唯一性的结果。
- 材料陈述的贡献
- 摘要称，该方法提供了比限定幂变换族更灵活的建模途径，建立相关计算和存在唯一性结果，并以非正态渔业数据说明应用。
- 阅读关注点
- 应核对变换的识别约束、单调性与平滑参数选择，以及正态误差目标能否满足、预测区间如何反映变换估计的不确定性。
- 阅读边界
- 仅据所给 Crossref 摘要；正态化能否实现及效率改善条件未说明，不能将条件性的估计与区间收益视为普遍保证。
原文摘要
SUMMARY One way to model heteroscedasticity and skewness of the error distribution in regression is to transform both sides of the regression equation. If it is possible to transform the regression equation to result in normally distributed errors, then we can obtain more efficient parameter estimates and valid prediction intervals. One problem with this approach is that the choice of transformation is usually restricted to the power or shifted power family. Often there is no scientific basis for this model and the limited flexibility of this parametric family may miss important features of the distribution. A more comprehensive approach is to estimate the transformation by using nonparametric methods based on maximizing a penalized likelihood function. This maximization problem leads naturally to a spline estimate for the log-derivative of the transformation. An algorithm for computing the estimate is given along with results on the existence and uniqueness of the estimate. This nonparametric method is illustrated by using a non-normally distributed fisheries data set.