Prediction Techniques for Box-Cox Regression Models
Box–Cox 回归模型的预测方法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：摘要讨论一般变换回归中的预测方法，未给出宏观变量或金融应用，现有证据不足以归入所列具体领域。
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
Box–Cox 回归模型的预测方法
- 研究问题
- 研究经 Box–Cox 变换的回归模型如何形成点预测与区间预测，以及非正态性和参数不确定性如何影响其小样本表现。
- 方法与思路
- 作者评述代入法、均方误差分析、预测似然和随机模拟，并用蒙特卡洛研究比较小样本准确性及常规模拟方法的修改。
- 材料陈述的贡献
- 摘要称，变换参数的不确定性可能相对不重要；某些参数下确定性点预测及代入区间有偏，常规随机模拟偏差较大，修改后预测大体无偏。
- 阅读关注点
- 重点核对各方法的预测目标、非正态性与参数不确定性的处理方式，以及模拟修改的具体步骤、参数范围和偏差度量。
- 阅读边界
- 摘要未说明模拟设计、样本量、参数取值或修改算法；“大体无偏”及变换参数影响较小的结论不能外推至所有模型。
原文摘要
This article reviews several techniques useful for forming point and interval predictions in regression models with Box-Cox transformed variables. The techniques reviewed--plug-in, mean squared error analysis, predictive likelihood, and stochastic simulation--take account of nonnormality and parameter uncertainty in varying degrees. A Monte Carlo study examining their small-sample accuracy indicates that uncertainty about the Box-Cox transformation parameter may be relatively unimportant. For certain parameters, deterministic point predictions are biased and plug-in prediction intervals are also biased. Stochastic simulation, as usually carried out, leads to badly biased predictions. A modification of the usual approach renders stochastic simulation predictions largely unbiased.