A note on modelling cross-correlations: Hyperbolic secant regression
交叉相关建模：双曲正割回归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：摘要明确研究相关系数随时间变化的建模，并采用移动平均平滑，直接涉及时间序列方法。
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
交叉相关建模：双曲正割回归
- 研究问题
- 如何判断二元正态变量的相关系数是否随时间或其他协变量变化，并在局部样本极少时保留相关变化的分辨率？
- 方法与思路
- 作者假定均值和标准差可由全部数据一致估计，提出局部相关估计量，研究其变换分布，并对充分统计量作移动平均平滑。
- 材料陈述的贡献
- 摘要称，新估计量在样本量低至一时仍有实用表现，其反双曲正切变换具有对称的Fisher z分布，可用于相关回归建模。
- 阅读关注点
- 应核对全样本估计均值与标准差的条件、局部单观测表现的评价标准，以及时间依赖和移动平均窗口对推断的影响。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未给出一致性条件或精度结果，单观测可计算不代表能可靠识别局部相关。
原文摘要
The problem of determining if a bivariate normal correlation changes with respect to time or some other covariate is considered. It is assumed that the means and standard deviations of the normal random variables can be consistently estimated from the entire data run, and do not need to be re-estimated for each covariate value. A new estimator of a bivariate normal correlation is given that has useful performance down to samples of size one. This allows regression type modelling of the correlation without unnecessary loss of resolution. The arc-tanh transformation of this estimator has a symmetric Fisher's z-distribution about the arc-tanh correlation. A method of smoothing the correlation estimates is given using moving average smoothers of the sufficient statistics from which the correlation estimator is calculated.