Orthogonal Series Methods for Both Qualitative and Quantitative Data
适用于定性与定量数据的正交级数方法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：摘要研究一般混合数据的密度估计，定性变量的出现不足以将其归入离散选择。
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
适用于定性与定量数据的正交级数方法
- 研究问题
- 当数据包含定性变量、定量变量或二者混合，且难以建立合适参数模型时，如何通过统一的非参数方法估计其密度？
- 方法与思路
- 作者介绍用于定性、定量及混合数据密度估计的正交级数方法，强调其完全非参数性质；摘要未说明基函数与截断选择。
- 材料陈述的贡献
- 摘要明确贡献是提供覆盖多种数据类型的正交级数密度估计方法，尤其面向参数模型较少、构造困难的混合数据情形。
- 阅读关注点
- 阅读全文时应核对不同数据类型下密度的定义、正交基与截断规则，以及混合变量之间的依赖如何进入估计构造。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，收敛性质、调参方法与有限样本表现未说明，不能据此声称优于参数或其他非参数方法。
原文摘要
We introduce and describe orthogonal series methods for estimating the density of qualitative, quantitative or mixed data. The techniques are completely nonparametric in character, and so may be used in situations where parametric models are difficult to construct. Just this situation arises in the context of mixed--both qualitative and quantitative--data, where there are few parametric models.