Sufficient dimensions reduction in regressions with categorical predictors
含类别预测变量的回归充分降维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：摘要涉及一般回归降维，类别预测变量不足以支持离散选择或其他所列领域细分的分类。
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…
含类别预测变量的回归充分降维
- 研究问题
- 如何将充分降维理论及切片逆回归推广到同时包含定量与类别预测变量的回归，使这些方法适用于更广泛的高维数据？
- 方法与思路
- 作者描述对充分降维理论和切片逆回归推断方法的扩展，以纳入混合类型预测变量；摘要未说明具体建模与估计算法。
- 材料陈述的贡献
- 摘要称，结果扩展了充分降维的应用范围，并为新的理论与方法发展提供路径；没有给出相较其他降维方法的性能结论。
- 阅读关注点
- 应核对混合预测变量下充分降维对象的定义、类别变量的处理方式，以及切片逆回归有效性和推断所需的条件。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未说明维度选择、具体理论条件或实证结果，含类别预测变量不意味着响应为离散选择。
原文摘要
In this article, we describe how the theory of sufficient dimension reduction, and a well-known inference method for it (sliced inverse regression), can be extended to regression analyses involving both quantitative and categorical predictor variables. As statistics faces an increasing need for effective analysis strategies for high-dimensional data, the results we present significantly widen the applicative scope of sufficient dimension reduction and open the way for a new class of theoretical and methodological developments.