Direction estimation in single-index regressions
单指标回归中的方向估计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：单指标降维属于通用回归方法，摘要未明确关联离散选择、结构估计等所列方向。
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
单指标回归中的方向估计
- 研究问题
- 研究如何估计单指标回归中的方向，使降维方法不局限于特定条件矩中的依赖，并减少已有方法对预测变量和回归的限制。
- 方法与思路
- 作者结合似然、相关、逆回归与信息论思想构造一般降维方法，以单指标回归为重点，并通过示例说明其运用。
- 材料陈述的贡献
- 摘要称该方法不要求依赖局限于特定条件矩，也不施加普通最小二乘和切片逆回归所需的某些限制，并提出更一般适用的思路。
- 阅读关注点
- 阅读全文时应核对方向识别与归一化、具体目标函数、实际保留的条件，以及示例如何体现相对于既有方法的差异。
- 阅读边界
- 摘要未列出完整适用条件、渐近理论或性能比较，不能理解为无条件有效。来源为版本未注明的 OpenAlex 索引摘要。
原文摘要
We propose a general dimension-reduction method that combines the ideas of likelihood, correlation, inverse regression and information theory. We do not require that the dependence be confined to particular conditional moments, nor do we place restrictions on the predictors or on the regression that are necessary for methods like ordinary least squares and sliced-inverse regression. Although we focus on single-index regressions, the underlying idea is applicable more generally. Illustrative examples are presented.