Multivariate Regression of Dummy Variates Under Normality Assumptions
正态假设下虚拟变量的多元回归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：摘要明确以虚拟变量向量作为因变量研究回归模型，与离散类别结果建模直接相关。
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
正态假设下虚拟变量的多元回归
- 研究问题
- 若改为假设给定因变量时自变量服从正态分布，能否建立适用的回归模型，并处理因变量为虚拟变量向量的情形？
- 方法与思路
- 作者以反向条件正态假设构建回归模型，替代通常针对因变量的条件正态设定，并详细研究虚拟变量向量作为因变量的情况。
- 材料陈述的贡献
- 摘要提出另一种可能广泛适用的回归建模途径，并称对虚拟变量向量情形作了详细研究，但未列明具体估计或检验结果。
- 阅读关注点
- 应核对类别编码、各类别下自变量的条件分布及协方差限制，并检查反向条件模型如何导出类别概率和可估计参数。
- 阅读边界
- 仅据版本未注明的索引摘要；类别结构、参数估计和模型表现未说明，不能补推具体链接函数或声称优于其他类别回归。
原文摘要
The most frequently used practical regression model is that in which it is supposed that the dependent variate is normal for given values of the independent variate. In this paper it is pointed out that another regression model of wide applicability may be furnished by the contrary assumption—that the independent variate is normal for given values of the dependent variate. The particular case where the dependent variate is a vector of dummy variables is explored in detail.