Extending Sliced Inverse Regression
切片逆回归的扩展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：摘要讨论通用回归降维与维数检验，没有给定经济计量细分的直接依据。
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
切片逆回归的扩展
- 研究问题
- 切片逆回归的降维检验如何放宽解释变量正态分布要求，使回归维数检验在明显偏离正态时仍有可靠依据？
- 方法与思路
- 作者扩展原有卡方维数检验的分布条件，提出不要求解释变量正态的加权卡方检验，并通过模拟比较两种检验。
- 材料陈述的贡献
- 摘要称，解释变量明显偏离正态时，加权检验在模拟中更可靠；正态情形下，它与原卡方检验的表现相当。
- 阅读关注点
- 应核对仍需满足的解释变量分布条件、加权卡方权重的估计方式，以及维数检验的原假设和模拟可靠性的衡量标准。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明完整条件、权重计算和有限样本误差，不能将结果理解为完全无分布限制。
原文摘要
Sliced inverse regression (SIR) and an associated chi-squared test for dimension have been introduced as a method for reducing the dimension of regression problems whose predictor variables are normal. In this article the assumptions on the predictor distribution, under which the chi-squared test was proved to apply, are relaxed, and the result is extended. A general weighted chi-squared test that does not require normal regressors for the dimension of a regression is given. Simulations show that the weighted chi-squared test is more reliable than the chi-squared test when the regressor distribution digresses from normality significantly, and that it compares well with the chi-squared test when the regressors are normal.