Regression based thresholds in principal loading analysis
主载荷分析中基于回归的阈值选择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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论一般降维与变量选择，未提供对应所列因果、面板、宏观或金融细分方向的直接证据。
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
主载荷分析中基于回归的阈值选择
- 研究问题
- 主载荷分析与多变量线性回归何时会选择相同变量，能否利用这种联系，为主载荷分析的筛选阈值提供依据？
- 方法与思路
- 作者比较两种方法对低相关变量的剔除机制，推导变量选择一致的条件，并将这些条件扩展为阈值选择规则。
- 材料陈述的贡献
- 摘要称，变量选择一致性不限于零相关的特殊情形，并为此前主要依靠模拟建议的主载荷分析阈值提供条件依据。
- 阅读关注点
- 应核对两种方法选择一致的精确条件、阈值如何由回归关系确定，以及这些结论在样本估计中的适用范围。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已经同行评审或期刊接收；摘要未给出具体条件或误差控制，不能推断阈值具有普遍最优性。
原文摘要
Principal loading analysis is a dimension reduction method that discards variables which have only a small distorting effect on the covariance matrix. As a special case, principal loading analysis discards variables that are not correlated with the remaining ones. In multivariate linear regression on the other hand, predictors that are neither correlated with both the remaining predictors nor with the dependent variables have a regression coefficients equal to zero. Hence, if the goal is to select a number of predictors, variables that do not correlate are discarded as it is also done in principal loading analysis. That both methods select the same variables occurs not only for the special case of zero correlation however. We contribute conditions under which both methods share the same variable selection. Further, we extend those conditions to provide a choice for the threshold in principal loading analysis which only follows recommendations based on simulation results so far.