Choosing between Logistic Regression and Discriminant Analysis
Logistic回归与判别分析之间的选择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：摘要比较通用统计分类和定性变量回归方法，未明确经济主体的离散选择机制或其他指定细分领域。
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
Logistic回归与判别分析之间的选择
- 研究问题
- 面对分类或定性变量关系建模问题，如何根据总体正态性与协方差结构，在判别分析和Logistic回归之间选择？
- 方法与思路
- 作者梳理两类问题中估计量交叉使用的论据，区分正态同协方差与非正态情形，并报告支持其观点的实证研究。
- 材料陈述的贡献
- 摘要主张，正态且同协方差的分类问题优先采用判别分析估计；非正态时偏好Logistic极大似然，并报告经验支持。
- 阅读关注点
- 应核对偏好的评价标准、非正态情形的具体范围、实证比较设计，以及分类表现与参数估计表现是否分别评价。
- 阅读边界
- 依据版本未注明的OpenAlex索引摘要；实证设计与数值结果未说明，作者的非正态偏好不能视为普遍最优定理。
原文摘要
Classifying an observation into one of several populations is discriminant analysis, or classification. Relating qualitative variables to other variables through a logistic cdf functional form is logistic regression. Estimators generated for one of these problems are often used in the other. If the populations are normal with identical covariance matrices, discriminant analysis estimators are preferred to logistic regression estimators for the discriminant analysis problem. In most discriminant analysis applications, however, at least one variable is qualitative (ruling out multivariate normality). Under nonnormality, we prefer the logistic regression model with maximum likelihood estimators for solving both problems. In this article we summarize the related arguments, and report on our own supportive empirical studies.