Sufficient Dimension Reduction in Regressions Across Heterogeneous Subpopulations
异质子总体回归中的充分降维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：摘要研究异质子总体下的一般回归降维，未提供面板结构、因果效应或其他所列细分的直接依据。
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
异质子总体回归中的充分降维
- 研究问题
- 当定性预测变量各水平对应的连续预测变量协方差不同，如何扩展部分切片逆回归，避免原方法的协方差同质性限制？
- 方法与思路
- 作者通过基于非线性最小二乘目标函数的新估计方法，扩展含定性预测变量的部分切片逆回归，允许组间协方差异质。
- 材料陈述的贡献
- 摘要称，新方法去除了连续预测变量协方差跨组相同的限制，从而扩大原有充分降维方法的适用范围。
- 阅读关注点
- 应核对跨组降维目标如何定义、协方差同质性之外还保留哪些条件，以及非线性最小二乘目标的求解和识别问题。
- 阅读边界
- 仅据 Crossref 摘要；其余分布条件、估计量渐近性质与数值表现未说明，不能将条件放宽等同于普遍更优或推断版本变化。
原文摘要
Summary Sliced inverse regression is one of the widely used dimension reduction methods. Chiaromonte and co-workers extended this method to regressions with qualitative predictors and developed a method, partial sliced inverse regression, under the assumption that the covariance matrices of the continuous predictors are constant across the levels of the qualitative predictor. We extend partial sliced inverse regression by removing the restrictive homogeneous covariance condition. This extension, which significantly expands the applicability of the previous methodology, is based on a new estimation method that makes use of a non-linear least squares objective function.