Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1602.00158

帮助 | 高级搜索

统计学 > 方法论

arXiv:1602.00158 (stat)
[提交于 2016年1月30日 ]

标题: 隐式回归简介

标题: Introduction to Implicit Regression

Authors:Rebecca D. Wooten
摘要: 统计学家通常将回归限制于显式定义因变量和自变量的关系模型;本文概述了新开发的非响应分析和旋转分析方法,用于评估互依变量而无需明显的主体响应。 文中提出的概念挑战了固定效应的概念;统一性被视为一个随机度量(变量),忽略独立性的假设,并且详细描述了分离程度,这是衡量模型质量的一个指标。
摘要: Statisticians usually restrict regression to model relationships that are explicitly defined dependent and independent random variables; this paper outlines the newly developed method of non-response analysis and rotational analysis for evaluating co-dependent variables without an obvious subject response. The concepts outlined challenge the notion of fixed effects; unity is included as a random measure (variable) ignoring the assumption of independence and the degree of separation is outlined which is a measure of model quality.
评论: 28页正文加上封面页(包含摘要)和2页参考文献,5个图表
主题: 方法论 (stat.ME)
引用方式: arXiv:1602.00158 [stat.ME]
  (或者 arXiv:1602.00158v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.1602.00158
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Rebecca Wooten [查看电子邮件]
[v1] 星期六, 2016 年 1 月 30 日 20:10:02 UTC (571 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
stat
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-02
切换浏览方式为:
stat.ME

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号