Goodness of Fit of a Discriminant Function from the Vector Space of Dummy Variables
虚拟变量向量空间中判别函数的拟合优度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：摘要涉及多组判别与拟合优度，不能仅因组别和虚拟变量而归入离散选择。
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
虚拟变量向量空间中判别函数的拟合优度
- 研究问题
- 将多组判别视为观测变量与组间对比虚拟变量之间的关联时，如何确定已有判别函数充分性检验准则的零分布？
- 方法与思路
- 作者基于组间对比虚拟变量的向量表示，在原假设成立时，对 Bartlett 与 Williams 已提出的检验准则进行解析分布推导。
- 材料陈述的贡献
- 摘要明确贡献是解析推导已有检验准则在原假设下的统计分布，服务于指定判别函数的充分性检验，而未报告新分类算法。
- 阅读关注点
- 核对虚拟变量及组间对比的定义、可直接观测虚拟变量的情形，以及原假设、检验准则和分布推导所需条件。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未列出分布假设、检验统计量或零分布形式，不能判断检验的功效或实际分类表现。
原文摘要
Summary The problem of discrimination among several groups can be looked upon as the problem of “association” between the vector of variables under consideration and a vector of “dummy” variables representing the contrasts among the groups. In certain situations, observations on one or more of these dummy variables are explicitly available and tests have been derived by Bartlett and Williams, for the adequacy of a set of assigned discriminant functions from among these dummy variables. In this paper, the statistical distributions of these test criteria are derived analytically, assuming the null hypothesis to be true.