Generating Test Data With Independently Controllable Features for Multivariate General Linear Forms
为多元一般线性模型生成特征可独立控制的测试数据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：摘要提供通用线性模型测试数据生成工具，未直接研究所列领域中的专门模型或问题。
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…
为多元一般线性模型生成特征可独立控制的测试数据
- 研究问题
- 如何为多元线性模型生成测试数据，在统计与数值性质相互一致的前提下控制关键特征，以评估方法和程序？
- 方法与思路
- 作者通过指定解释变量、响应变量或误差空间的奇异值分解成分，构造满足目标系数、矩阵和相关结构的数据。
- 材料陈述的贡献
- 摘要称，算法可控制回归系数、平方和与乘积矩阵、相关性等特征，也可安排高杠杆点、异常值和残差分布。
- 阅读关注点
- 应核对目标特征之间的相容性约束、奇异值分解成分的选择，以及哪些特征可以独立指定、哪些受到联合限制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。所谓完全控制以相互一致为前提；摘要未给出构造细节、计算成本或软件验证结果。
原文摘要
Experiments to assess the performance characteristics, both of statistical methods and of computer programs that implement them, are best performed using test data with controlled statistical and numerical properties. We describe an algorithm for constructing test data for any multivariate linear model that provides complete control (subject only to the requirement of mutual consistency) over the following factors: regression coefficients; regression and residual sums of squares and products matrices; means, standard deviations, and correlations of the independent and dependent variables, residuals, and predicted values; and canonical correlations or multiple correlation. The algorithm permits aspects of the underlying data structure including high-leverage points, outliers, and the residual distribution, to be controlled by specifying the components of the singular-value decompositions of the independent variables, the dependent variables, or the error space. Some features of the generated test data may be matched to real data, while others are experimentally controlled or randomly generated.