Discriminant Analysis Based on Binary and Continuous Variables
基于二元与连续变量的判别分析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：摘要中的二元变量用于统计判别，未建模个体选择行为，因此不足以归入离散选择。
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
基于二元与连续变量的判别分析
- 研究问题
- 当观测同时包含二元和连续变量时，如何将其分入两个总体，并在参数需要估计的情况下保证判别计算可行？
- 方法与思路
- 作者基于点二列模型构造双判别函数，以样本估计替换未知参数，提出双逆抽样保证协方差矩阵非奇异，并推导分布展开。
- 材料陈述的贡献
- 摘要称，所提抽样方案支持样本双判别函数的渐近分布分析，并比较双判别、X-out 与 X-continuous 三种分类程序。
- 阅读关注点
- 应核对点二列模型的联合分布假设、双逆抽样规则、非奇异性保证，以及三种分类程序采用的误差评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；抽样细节与比较结果未说明，不能据此判断哪种分类程序更优。
原文摘要
An observation consisting of both binary and continuous variables may be classified into one of two populations by the double-discriminant function based on the point-biserial model. When the parameters are unknown or partially known, a sample double-discriminant function is obtained by replacing the unknown parameters by their sample estimates. A sampling scheme referred to as the double inverse sampling is proposed to ensure nonsingularity of the sample covariance matrices. An asymptotic expansion for the distribution of the sample double-discriminant function is given under the double inverse sampling scheme. Comparisons of three classification procedures—double-discriminant function, X-out procedure, and X-continuous procedure—are made.