Simultaneous procedures for variable selection in multiple discriminant analysis
多重判别分析中变量选择的同时检验程序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：摘要讨论一般多元判别分析与同时检验，分类任务本身不构成经济学离散选择模型的依据。
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
多重判别分析中变量选择的同时检验程序
- 研究问题
- 在多重判别分析中，如何找出保留原变量组主要组间区分能力的变量子集，并在同时检验多个假设时控制第一类错误？
- 方法与思路
- 作者通过同时检验程序评价变量子集的重要性，寻找在各组别子集中提供近似原有分离程度的变量集合，并约束假设族错误概率。
- 材料陈述的贡献
- 摘要称，所提程序能够识别保留主要组间分离能力的变量子集，且被检验假设族的第一类错误概率不超过指定水平。
- 阅读关注点
- 应核对“基本相同”的分离能力如何形式化、假设族如何构成，以及错误概率控制所需的分布条件与变量选择规则。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 索引摘要；检验统计量、分离标准及功效表现未说明，不能将错误率控制解释为预测准确。
原文摘要
The purpose of the procedures proposed in this paper is to provide information about the relative importance of variable subsets in the analysis of multivariate data. In multiple discriminant analysis the procedures isolate subsets of variables which provide essentially as much separation among the groups in each subset of groups as the original set of variables. Each procedure is a simultaneous test procedure in that the type I probability error rate for the family of hypotheses tested cannot exceed a specified value.