On the choice of an experiment for prediction in linear regression
以线性回归预测为目标的实验选择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：摘要讨论一般回归预测的实验决策，未明确涉及宏观预测、收益预测或因果效应识别。
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
以线性回归预测为目标的实验选择
- 研究问题
- 若数据将用于通过最佳解释变量子集预测因变量未来取值，应如何选择最优实验，并比较设计型与随机型实验？
- 方法与思路
- 作者使用贝叶斯决策理论，将回归实验选择与后续变量子集预测目标联系起来，分析两类实验的最优选择。
- 材料陈述的贡献
- 摘要称，方法可得到最优设计型和随机型回归实验，并在两者均可选择时提供决策方式，服务于后续预测任务。
- 阅读关注点
- 应核对先验分布、预测损失与实验成本如何设定，以及最佳变量子集的选择怎样影响两类实验的最优性比较。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；先验、损失和决策规则未说明，不能判断最优性是否适用于其他预测目标。
原文摘要
Bayesian decision theory is used to obtain optimal designed and random regression experiments. If a choice is possible, it is shown how to decide between them. This is done if the data obtained are to be analysed in order that a future values of the dependent variable can be predicted using the best subset of the independent variables.