Discriminant analysis through a semiparametric model
基于半参数模型的判别分析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：摘要研究通用统计判别分析，分位数用于参数估计；未提供离散选择或分布效应研究的直接依据。
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
基于半参数模型的判别分析
- 研究问题
- 若各类别分布经未知单变量单调变换后呈多元正态，能否无需估计这些变换，就有效估计判别分析模型的参数？
- 方法与思路
- 作者利用分布分位数直接估计半参数模型参数，并将类别密度的结构与非参数对数密度方差分析模型联系，用模拟和实例说明。
- 材料陈述的贡献
- 摘要称该程序计算较快，估计精度达到通常的参数收敛速率，并说明其与更一般非参数判别分析及密度模型的关系。
- 阅读关注点
- 应核对单调变换在类别间的设定、模型参数的可识别性、分位数估计步骤，以及参数估计误差如何影响实际分类表现。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明模型失配时的性质或分类误差保证，参数收敛速率不能替代分类性能结论。
原文摘要
We consider a semiparametric generalisation of normal‐theory discriminant analysis. The semiparametric model assumes that, after unspecified univariate monotone transformations, the class distributions are multivariate normal. We introduce an estimation procedure based on the distribution quantiles, in which the parameters of the semiparametric model are estimated directly without estimating the nonparametric transformations. The procedure is computationally fast and the estimation accuracy is shown to have the usual parametric rate. The relationship between the method and more general nonparametric discriminant analysis is discussed. The semiparametric specification of the class densities is a submodel of the nonparametric log density functional analysis of variance model in which the main effects are completely nonparametric but the interaction terms are specified semiparametrically. Simulations and real examples are used to illustrate the procedure.