Efficiencies for Stepwise Regressions
逐步回归的效率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：摘要讨论一般回归估计的均方误差比较，没有因果、预测应用或其他所列领域的直接证据。
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
逐步回归的效率
- 研究问题
- 评价逐步回归估计时，若从系数偏差转向相对均方误差，结论是否改变？摘要聚焦两个变量情形下与直接最小二乘的比较。
- 方法与思路
- 作者以相对均方误差为评价准则，在两个变量的回归情形中比较逐步估计量与直接最小二乘估计量，考察特定条件下的风险。
- 材料陈述的贡献
- 摘要称某些情况下逐步估计量的均方误差优于直接最小二乘，说明仅观察系数偏差不足以完整判断其估计表现。
- 阅读关注点
- 应核对逐步选择规则、变量关系和参数条件，明确均方误差比较针对哪些系数，以及结论能否超出两个变量的设定。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 摘要；优势成立的具体条件未提供，不能推断高维选择、预测效果或选择后推断同样有效。
原文摘要
Much attention has been paid to bias of coefficients resulting from stepwise regressions. Looking at bias alone implies that stepwise estimates are inferior. However, using the criterion of relative mean square errors, it is shown for the two variable case that under certain circumstances, stepwise estimators are “better” than direct least squares estimators.