Generalized Linear Models with Functional Predictors
含函数型预测变量的广义线性模型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：摘要属于通用函数型回归，函数主成分和逻辑回归并未提供宏观因子或经济离散选择的直接依据。
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
含函数型预测变量的广义线性模型
- 研究问题
- 当部分预测变量是一条曲线或函数，且每条曲线只观察到片段时，如何扩展广义线性模型并解释响应关系？
- 方法与思路
- 作者提出含函数型预测变量的广义线性建模技术，展示线性、逻辑和删失回归应用，并用函数主成分辅助理解关系。
- 材料陈述的贡献
- 摘要称方法能够处理曲线片段观测，在模拟与真实数据中展示应用，并扩展到常规缺失数据问题中的建模和主成分分析。
- 阅读关注点
- 应核对曲线片段观测的条件、函数表示与主成分估计方式，以及曲线恢复误差和缺失信息如何影响回归推断。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断曲线观测或缺失机制的要求，也无法确定各类回归中的估计与推断保证。
原文摘要
Summary We present a technique for extending generalized linear models to the situation where some of the predictor variables are observations from a curve or function. The technique is particularly useful when only fragments of each curve have been observed. We demonstrate, on both simulated and real data sets, how this approach can be used to perform linear, logistic and censored regression with functional predictors. In addition, we show how functional principal components can be used to gain insight into the relationship between the response and functional predictors. Finally, we extend the methodology to apply generalized linear models and principal components to standard missing data problems.