Consistent Regression Methods for Discriminant Analysis with Incomplete Data
不完整数据判别分析的一致回归方法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：摘要讨论缺失数据下的统计判别与多元回归，未提供离散经济选择或其他指定细分领域的明确依据。
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
不完整数据判别分析的一致回归方法
- 研究问题
- 存在缺失值时，如何修改已有判别分析方法，并放宽使缺失值可视为随机缺失的条件？
- 方法与思路
- 作者将修改后的判别分析方法置于多元线性回归的缺失值处理框架中，并提出较不严格的随机缺失条件。
- 材料陈述的贡献
- 摘要称，修改方法是多元线性回归缺失值技术的特例，同时给出对随机缺失条件的放宽建议。
- 阅读关注点
- 应核对缺失机制、修改后的回归步骤和一致性条件，确认所谓较不严格条件相对于原方法具体放宽了什么。
- 阅读边界
- 依据版本未注明的OpenAlex索引摘要；缺失条件与一致性结论未展开，不能据此认为非随机缺失问题得到解决。
原文摘要
Modifications are proposed for a method of discriminant analysis with missing values described by Chan, Gilman, and Dunn (1976). The modified methods are special cases of techniques for handling missing values in multivariate linear regression. Less stringent conditions for when missing values are missing at random are suggested.