A Theorem on Least Squares and Vector Correlation in Multivariate Linear Regression
多元线性回归中最小二乘与向量相关的一个定理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：摘要陈述一般多元回归定理，没有所列经济计量领域细分的直接文本依据。
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
多元线性回归中最小二乘与向量相关的一个定理
- 研究问题
- 多元线性回归的系数矩阵最小二乘估计，与因变量和解释变量线性变换之间的平方向量相关系数有何优化关系？
- 方法与思路
- 摘要称，文章证明最小二乘系数矩阵估计能够最大化上述平方向量相关系数，但未说明相关系数定义及证明步骤。
- 材料陈述的贡献
- 摘要明确给出最小二乘解的一种相关性最大化刻画，将多元线性回归的拟合问题与向量相关准则联系起来。
- 阅读关注点
- 应核对向量相关系数的准确定义、线性变换的允许范围、设计矩阵的秩条件，以及最优解是否唯一和等价关系的范围。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；未说明定理条件、退化情形或证明，不能将结论扩展到任意多元相关指标。
原文摘要
This paper shows that the least-squares estimate of the matrix of coefficients in a multivariate linear regression model maximizes the squared vector correlation coefficient between the dependent variables and a linear transformation of the explanatory variables.