Maximum Likelihood Regression on Relevant Components
基于相关成分的最大似然回归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：摘要描述通用回归降维与预测，未涉及宏观预测、收益预测或明确的因子模型。
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
基于相关成分的最大似然回归
- 研究问题
- 面对多重共线性的解释变量，如何利用少量与预测有关的成分构造回归方法，并从全部变量的联合分布估计参数？
- 方法与思路
- 所给摘要以全部变量的联合多项分布为起点，假设仅有固定少数解释变量成分与预测相关，并推导类最大似然估计。
- 材料陈述的贡献
- 作者提出从联合分布出发的预测建模思路，在少量相关成分假设下发展参数估计；摘要未报告具体预测性能结果。
- 阅读关注点
- 应核对联合分布与成分的精确定义、成分数如何确定，以及类最大似然估计的构造、可识别性和计算步骤。
- 阅读边界
- 仅据所给Crossref摘要解读；联合分布表述需全文核对，不能自行替换为其他分布，摘要也未说明渐近性质或刊本变化。
原文摘要
SUMMARY Most regression methods for multicollinear data are only based on assumptions about the conditional distribution of the dependent variable, given the explanatory variables. Here we propose a new prediction method taking a joint multinomial distribution for all the variables as the starting point. A hypothesis is formulated stating that only a fixed small number of components constructed from the explanatory variables is relevant for prediction, and maximum-likelihood-type estimates of the parameters in the model are developed under this hypothesis.