Additive Expectancy Regression
加性期望回归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：摘要讨论一般偏态结果的均值回归，没有直接涉及所列分位数、分布效应或其他专门方向。
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
加性期望回归
- 研究问题
- 对于通常呈正偏分布的结果变量，如何建立参数具有实际解释、又能支持均值推断的回归模型，并评估预测和模型适配性？
- 方法与思路
- 作者提出一类加性期望回归模型，发展参数和半参数估计与推断方法，并讨论基于模型的预测及模型适配性评估。
- 材料陈述的贡献
- 摘要称新模型的回归参数具有实际意义，可用于偏态结果的均值推断；方法通过两个真实数据分析展示，但未报告具体效果。
- 阅读关注点
- 应核对加性期望的数学定义、参数与条件均值的关系、参数和半参数方法各自的假设，以及模型诊断和预测评估的实施方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未提供模型公式、推断条件和真实数据分析结果。
原文摘要
Regression is a useful tool for studying association between an outcome variable and its covariates. In a classical linear regression model, the outcome's expectation is usually a function of the covariates and some regression parameters, and the underlying distribution is often normal. In this article we propose a new class of additive expectancy regression models in which the outcomes tend to be positively skewed. In the new regression models, regression parameters are practically meaningful and also useful with inferences on the means of skewed outcomes. Parametric and semiparametric methods are developed for model estimation and inferences. Model-based prediction and model adequacy assessment are discussed. The proposed methodologies are demonstrated by two real data analyses.