Analysis of incomplete multivariate binary data by the kernel method
利用核方法分析不完整多元二元数据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：摘要涉及一般二元数据与缺失处理，没有经济选择行为或离散选择模型的明确证据。
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
利用核方法分析不完整多元二元数据
- 研究问题
- 如何将已有的多元二元数据核分析方法扩展到缺失数据，并评估其在单变量、双变量及特定多变量情形中的表现？
- 方法与思路
- 作者扩展 Aitchison 与 Aitken 的二元数据核方法，使其处理缺失数据，并讨论不同维度情形下的性能及与其他方法的比较。
- 材料陈述的贡献
- 摘要称，本文把既有多元二元核分析程序推广到缺失数据问题，讨论若干数据情形的表现并开展方法比较，但未报告具体结果。
- 阅读关注点
- 应核对缺失机制、核函数与平滑参数选择、缺失项的处理规则，并检查比较方法、评价标准及多变量例子的代表性。
- 阅读边界
- 仅据版本未注明的索引摘要；缺失机制、算法细节和比较数值未说明，不能推断对非随机缺失有效或优于其他方法。
原文摘要
The procedure, due to Aitchison & Aitken (1976), of analyzing multivariate binary data by kernel methods is extended to deal with missing data problems. The performance of the techniques is discussed for univariate, bivariate and for specific multivariate data. Comparisons are drawn with other approaches.