The Peculiar Shrinkage Properties of Partial Least Squares Regression
偏最小二乘回归的特殊收缩性质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：摘要讨论通用回归收缩方法，未出现宏观预测、收益预测或经济因子应用的明确依据。
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
偏最小二乘回归的特殊收缩性质
- 研究问题
- 偏最小二乘回归作为普通最小二乘的替代方法，其收缩机制具有哪些特点，这些特点是否带来不理想的性质？
- 方法与思路
- 作者考察偏最小二乘回归的收缩性质，并以主成分回归和岭回归等收缩方法作为背景；具体分析步骤摘要未说明。
- 材料陈述的贡献
- 摘要称，分析展示了偏最小二乘回归的一些不理想性质，但没有列出具体性质，也未提供风险或预测误差比较。
- 阅读关注点
- 应核对收缩性质的定义、出现不理想表现的条件，以及这些结论对参数估计和预测任务分别意味着什么。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明具体负面性质、适用条件及数值证据，不能据此断言偏最小二乘普遍劣于其他方法。
原文摘要
Summary Partial least squares regression has been widely adopted within some areas as a useful alternative to ordinary least squares regression in the manner of other shrinkage methods such as principal components regression and ridge regression. In this paper we examine the nature of this shrinkage and demonstrate that partial least squares regression exhibits some undesirable properties.