Simultaneous Procedures for Variable Selection in Multiple Discriminant Analysis
多重判别分析中变量选择的同时推断程序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：摘要讨论多元判别分析的变量选择与同时检验，未涉及所列经济计量细分方向。
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
多重判别分析中变量选择的同时推断程序
- 研究问题
- 在多重判别分析中，如何筛选保留各组子集间主要分离信息的变量子集，同时控制整个检验族的第一类错误概率？
- 方法与思路
- 作者提出同时检验程序，评估不同变量子集的重要性，并筛选在各组子集中提供与完整变量集近似分离程度的子集。
- 材料陈述的贡献
- 摘要称，每个程序均控制所检验假设族的第一类错误概率不超过指定水平，并用于识别保留组间分离信息的变量子集。
- 阅读关注点
- 应核对“近似相同分离程度”的定义、检验族如何形成、同时错误控制需要哪些条件，以及变量筛选的具体流程。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要，检验统计量与适用分布条件未说明；控制第一类错误不等于保证预测性能或筛选功效。
原文摘要
The purpose of the procedures proposed in this paper is to provide information about the relative importance of variable subsets in the analysis of multivariate data. In multiple discriminant analysis the procedures isolate subsets of variables which provide essentially as much separation among the groups in each subset of groups as the original set of variables. Each procedure is a simultaneous test procedure in that the type I probability error rate for the family of hypotheses tested cannot exceed a specified value.