A Modal Search Technique for Predictive Nominal Scale Multivariate Analysis
用于名义尺度多元预测分析的众数搜索技术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：名义尺度预测与分类本身不足以证明研究涉及经济主体的离散选择模型。
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
用于名义尺度多元预测分析的众数搜索技术
- 研究问题
- 如何衡量名义或有序变量对名义尺度结果的多元预测关联，并据此搜索有助于预测的变量分割方案？
- 方法与思路
- 作者以 Θ 统计量衡量预测关联，说明其与 Goodman–Kruskal Lambda 的关系，并设计穷举及逐步二元分割算法。
- 材料陈述的贡献
- 摘要称，提出了概率意义下的多元关联度量及以其为准则的搜索方法，并讨论计算程序和示例结果。
- 阅读关注点
- 应核对 Θ 的定义、与 Lambda 的对应关系、搜索空间及逐步分割的最优性含义，并查看预测表现如何评估。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明样本外验证、复杂度或程序可得性，不能推断普遍预测优势及刊本变化。
原文摘要
A method is proposed in which a statistic, Θ, is used as a probabilistic measure of strength of association in the multivariate prediction of a nominal scale by nominal and/or ordinal scales. The relationship of theta to the bivariate Goodman and Kruskal's Lambda statistic is given. An algorithm using the theta statistic as criterion in an exhaustive search and optimal stepwise binary split procedure is described. A computer program and sample results are discussed.