Asymptotic Properties of Criteria for Selection of Variables in Multiple Regression
多元回归变量选择准则的渐近性质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：摘要研究一般正态回归中的模型选择理论，未指向时间序列预测或其他所列细分方向。
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…
关注这篇论文的作者
多元回归变量选择准则的渐近性质
- 研究问题
- 在正态线性回归中，不同信息准则会怎样影响最终所选模型的渐近分布，以及使用相应选择规则后产生的渐近二次风险？
- 方法与思路
- 作者针对 AIC、FPE、Cp、PSS 与 BIC，分别推导所选模型的渐近分布和基于各准则的渐近二次风险表达。
- 材料陈述的贡献
- 摘要称，文章明确获得五种变量选择准则对应的模型选择分布和二次风险，为比较这些规则提供渐近理论依据。
- 阅读关注点
- 应核对候选模型集合、参数随样本量变化的设定及二次风险对象，并区分模型选择一致性与估计风险这两种评价目标。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 索引摘要；渐近框架和各准则的具体结论未说明，不能据此认定某个准则普遍更好。
原文摘要
In normal linear regression analysis, many model selection rules proposed from various viewpoints are available. For the information criteria AIC, FPE, $C_p$, PSS and BIC, the asymptotic distribution of the selected model and the asymptotic quadratic risk based on each criterion are explicitly obtained.