Regression and ANOVA with Zero-One Data: Measures of Residual Variation
零一数据的回归与方差分析：残差变异的度量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：摘要明确讨论二元响应及 logistic 回归，与离散响应建模直接相关，但未提供经济选择行为或结构解释。
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
零一数据的回归与方差分析：残差变异的度量
- 研究问题
- 对二元响应回归，除了最大化对数似然导出的常用指标，平方误差和预测误差能否作为合理的残差变异度量？
- 方法与思路
- 作者考察逐步丰富的 logistic 模型及多种残差变异指标，并联系分类关联度量、惩罚函数和概率报告的理论。
- 材料陈述的贡献
- 摘要称，各种指标均满足某种基础意义下的合理性，并展示 Goodman–Kruskal 分类关联度量与相关理论的联系。
- 阅读关注点
- 应核对基础合理性的公理或定义、各残差指标的比较方式，以及分类关联度量如何连接惩罚函数和概率报告问题。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；合理性的具体定义未给出，不能将该性质理解为各指标具有相同检验或预测表现。
原文摘要
We consider regression situations for which the response variable is dichotomous. The most common analysis fits successively richer linear logistic models and measures the residual variation from the model by minus twice the maximized log likelihood. General measures of residual variation are considered here, including ordinary squared error and prediction error as well as the log likelihood. All of these are shown to be satisfactory in a certain primitive sense, unlike quantitative regression theory where only squared error is logically satisfactory. The relation of Goodman and Kruskal's measures of categorical association to the theory of penalty functions and probability elicitation is demonstrated.