Implications of influence function analysis for sliced inverse regression and sliced average variance estimation
影响函数分析对切片逆回归与切片平均方差估计的启示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：摘要讨论一般降维方法的影响函数与敏感性，没有明确对应所列应用或计量细分方向。
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
影响函数分析对切片逆回归与切片平均方差估计的启示
- 研究问题
- 切片逆回归、二阶切片逆回归与切片平均方差估计，对不同类型单个观测的敏感性有何差异，如何比较其稳健性？
- 方法与思路
- 作者用影响函数近似大样本中单个观测的相对影响，比较三种降维方法，并开发和评估可用于样本的影响函数版本。
- 材料陈述的贡献
- 摘要称分析有助于解释三种方法的一般优劣为何缺乏一致判断，同时提供一种计算高效的样本影响函数工具。
- 阅读关注点
- 应核对影响函数所针对的估计对象、观测类型与模型条件，并检查样本诊断能否可靠反映有限样本中的敏感性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体模型条件、敏感性排序与评估结果未说明，不能据此推断刊本变化。
原文摘要
Sliced inverse regression, sliced inverse regression II and sliced average variance estimation are three related dimension-reduction methods that require relatively mild model assumptions. As an approximation for the relative influence of single observations from large samples, the influence function is used to compare the sensitivity of the three methods to particular observational types. The analysis carried out here helps to explain why there is a lack of agreement concerning the preferability of these dimension-reduction procedures in general. An efficient sample version of the influence function is also developed and evaluated.