Determining the Dimensionality in Sliced Inverse Regression
切片逆回归中的维数确定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：摘要讨论一般回归降维与维数检验，线性组合本身不足以归入宏观或金融因子模型。
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
切片逆回归中的维数确定
- 研究问题
- 研究响应由解释变量的若干线性组合及误差决定时，如何确定相关线性组合的数量，从而选择切片逆回归的降维维数。
- 方法与思路
- 作者分别利用条件均值、条件协方差及二者结合构造维数检验，并在解释变量服从椭圆对称分布时推导渐近卡方分布。
- 材料陈述的贡献
- 摘要给出了三类用于确定维数的检验路径，并明确其渐近分布建立于椭圆对称解释变量设定，未报告有限样本表现。
- 阅读关注点
- 应核对各检验的零假设、切片规则、椭圆对称之外的条件，以及不同条件矩方法能够识别哪些方向和可能遗漏哪些方向。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；具体正则条件及有限样本校准未提供，不能推广至任意解释变量分布或推断刊本变化。
原文摘要
A general regression problem is one in which a response variable can be expressed as some function of one or more different linear combinations of a set of explanatory variables as well as a random error term. Sliced inverse regression is a method for determining these linear combinations. In this article we address the problem of determining how many linear combinations are involved. Procedures based on conditional means and conditional covariance matrices, as well as a procedure combining the two approaches, are considered. In each case we develop a test that has an asymptotic chi-squared distribution when the vector of explanatory variables is sampled from an elliptically symmetric distribution.