Envelopes and reduced-rank regression
包络方法与降秩回归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：摘要属于一般多元回归与降维方法，未明确涉及因子模型或经济结构估计。
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…
包络方法与降秩回归
- 研究问题
- 能否结合包络回归与降秩回归，在减少模型参数的同时提高估计效率，并将这一结合方式扩展到其他包络模型？
- 方法与思路
- 作者提出降秩包络模型，将降秩约束与包络结构结合，并说明该方法可适配部分包络及预测变量空间中的包络。
- 材料陈述的贡献
- 摘要称，新模型参数总数不超过两类原有模型，所得估计量效率至少不低于两类既有估计量，并具有进一步扩展的可能。
- 阅读关注点
- 应核对包络与秩约束的定义、模型嵌套关系、效率比较的假设及含义，以及参数计数是否包含结构维数的选择。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；估计步骤、效率比较条件及有限样本证据未说明，不能据此认定其在所有数据中更优。
原文摘要
We incorporate the nascent idea of envelopes (Cook et al., Statist. Sinica20, 927–1010) into reduced-rank regression by proposing a reduced-rank envelope model, which is a hybrid of reduced-rank and envelope regressions. The proposed model has total number of parameters no more than either of reduced-rank regression or envelope regression. The resulting estimator is at least as efficient as both existing estimators. The methodology of this paper can be adapted to other envelope models, such as partial envelopes (Su & Cook, Biometrika98, 133–46) and envelopes in predictor space (Cook et al., J. R. Statist. Soc. B 75, 851–77).