On Efficient Dimension Reduction with Respect to the Interaction between Two Response Variables
针对两个响应变量交互关系的有效降维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：摘要明确列出因果推断应用，但分类仅表示应用关联，不表示已经建立因果识别。
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
针对两个响应变量交互关系的有效降维
- 研究问题
- 如何针对两个响应变量之间的交互关系定义并估计有效降维子空间，为缺失数据、因果推断等应用提供低维表示？
- 方法与思路
- 作者定义局部与全局有效降维子空间，用刻画参数的估计方程构造双重逆回归方法，并研究全局子空间的存在性。
- 材料陈述的贡献
- 摘要称建立新的交互降维理论，提出一致、模型无关且易实现的方法族，并提供全局有效子空间存在性的实用检查方式。
- 阅读关注点
- 应核对交互关系和有效性的定义、低维假设的具体内容、存在性检查及一致性条件，以及因果应用还需要哪些识别要求。
- 阅读边界
- 仅据所给 Crossref 摘要，模型无关不代表无需假设；摘要未说明因果识别条件，也未提供存在性定理及模拟结果的细节。
原文摘要
Abstract In this paper, we propose the novel theory and methodologies for dimension reduction with respect to the interaction between two response variables, which is a new research problem that has wide applications in missing data analysis, causal inference, graphical models, etc. We formulate the parameters of interest to be the locally and the globally efficient dimension reduction subspaces, and justify the generality of the corresponding low-dimensional assumption. We then construct estimating equations that characterize these parameters, using which we develop a generic family of consistent, model-free and easily implementable dimension reduction methods called the dual inverse regression methods. We also build the theory regarding the existence of the globally efficient dimension reduction subspace, and provide a handy way to check this in practice. The proposed work differs fundamentally from the literature of sufficient dimension reduction in terms of the research interest, the assumption adopted, the estimation methods and the corresponding applications, and it potentially creates a new paradigm of dimension reduction research. Its usefulness is illustrated by simulation studies and a real data example at the end.