Partial least squares for dependent data
相依数据的偏最小二乘法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：摘要明确涉及相依数据，但未明确时间序列设定；蛋白质动力学预测也不足以归入宏观或收益预测方向。
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…
相依数据的偏最小二乘法
- 研究问题
- 作者研究偏最小二乘算法用于相依数据时，忽略依赖结构会如何影响估计，尤其关注非平稳依赖造成的不一致问题。
- 方法与思路
- 作者从理论和数值两方面分析忽略依赖的后果，提出对偏最小二乘算法的简单修改，并通过蛋白质动力学例子考察预测。
- 材料陈述的贡献
- 摘要称，忽略非平稳依赖可能导致估计不一致，而所提修改可以获得一致估计；蛋白质动力学示例展示了较好的预测表现。
- 阅读关注点
- 应核对依赖与非平稳性的具体定义、算法修改需要估计的信息、一致性条件，以及预测评价采用的数据划分和比较基准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；修改形式、依赖条件和预测数值未说明，不能推断刊本变化。
原文摘要
We consider the partial least squares algorithm for dependent data and study the consequences of ignoring the dependence both theoretically and numerically. Ignoring nonstationary dependence structures can lead to inconsistent estimation, but a simple modification yields consistent estimation. A protein dynamics example illustrates the superior predictive power of the proposed method.