#paper doi:https://www.jstor.org/stable/30047444 Journal of the American Statistical Association, 2006, Prediction by Supervised Principal Components. 当特征维度较高时，回归分析结果往往不是很理想，这一方面是因为数据噪声较大，另一方面是特征之间的相关性较高所导致的。这篇文章提出了一个简单有效的监督学习降维的框架，即根据特征与因变量之间的回归系数进行阈值筛选，再对筛出的少量特征降维，利用得到的主成分进行回归或者广义回归分析。这篇文章的主要理论贡献是在回归和生存分析的背景下论证了该方法的渐进一致性，比较了该方法其他方法（例如岭回归，lasso回归，偏最小二乘）的异同。文章最后还提到了该方法的局限性，例如无法处理单个特征与因变量边缘独立，但是几个特征联合起来与因变量不独立的情况等。

#paper 10.1080/01621459.2020.1721245。Journal of the American Statistical Association。2020。The Book of Why: The New Science of Cause and Effect。 这是对Judea Pearl的《the book of why》的书评。从这个书评来看，Judea Pearl的《the book of why》有较大的局限。比如，Judea Pearl在《the book of why》只处理了因果分析，而忽略了因果结构的确定。但有时往往连因果结构也是不清楚或者不确定的。基于我的阅读理解，这个书评还指出，Judea Pearl认为随机实验不重要，只要看起来没有受到干扰就可以了。但书评作者认为，随机实验的作用在于能让研究者对实验设计和过程做检查。另外，实验允许我们不知道因果结构。然后，书评作者认为Judea Pearl的因果分析模型的表达能力不够强；还说Judea Pearl虽然回顾了因果研究的历史，但他的回顾是不完整的，忽略了其它因果研究方向；说Judea Pearl认为不接受他的理论的研究者是“文化抵触”，但其实是因为他的理论用处不大；说Judea Pearl的理论和之前Robin的因果理论关系密切，仅仅是多了一些独立性假设，但Robin没提这些假设不是因为他提不出来，而是因为认为太牵强，而且也无法得到实验验证。看了这个书评后我估计不会优先看The Book of Why了。