Optimal Properties of One-Step Variable Selection in Regression
回归中一步变量选择的最优性质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：摘要讨论一般回归变量选择的决策性质，没有所列计量领域细分的直接依据。
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
回归中一步变量选择的最优性质
- 研究问题
- 当待纳入回归模型的变量子集大小预先固定时，按最大决定系数选择变量的经典一步程序，在何种决策意义下具有最优性？
- 方法与思路
- 作者将固定规模变量子集选择置于不变贝叶斯决策框架，研究以最大决定系数决定纳入变量的经典选择程序。
- 材料陈述的贡献
- 摘要称，经典程序具有所引用定义意义下的一致不变贝叶斯性质；这是一种特定决策框架下的最优性陈述。
- 阅读关注点
- 应核对损失函数、先验及不变性群的定义，明确一步选择的候选子集和固定规模设定，以及最优性实际比较哪些规则。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法确认完整决策条件；该性质不能扩展为多步选择、任意子集规模或预测普遍最优。
原文摘要
We consider the selection of the best subset of independent variables of a fixed size for possible inclusion in a regression model. The classical procedures (largest $\mathbb{R}^2$ to enter) are shown to be uniformly invariant Bayes in the sense of Paulson (1952) and Kudo (1956).