[论文解读] Building an OSS Quality Estimation Model with CATREG

Jie Xu, Danny Ho+1 more|arXiv (Cornell University)|Jul 24, 2015

Software Engineering Research参考文献 1被引用 7

一句话总结

本文提出了一种使用CATREG（最优标度分类回归）量化定性项目度量指标的统计模型，用于估算开源软件（OSS）中的缺陷，随后通过逐步线性回归识别显著预测因子。该方法构建了一个实用的、基于数据的缺陷估算模型，并在真实OSS社区数据上进行了验证，展示了在预测项目级缺陷数量方面的更高准确性。

ABSTRACT

Open Source Software (OSS) has been a popular form in software development. In this paper, we use statistical approaches to derive OSS quality estimation models. Our objective is to build estimation models for the number of defects with metrics at project levels. First CATREG (Categorical regression with optimal scaling) is used to obtain quantifications of the qualitative variables. Then the independent variables are validated using the stepwise linear regression. The process is repeated to acquire optimal quantifications and final regression formula. This modeling process is performed based on data from the OSS communities and is proved to be practically valuable.

研究动机与目标

• 解决使用定量模型预测OSS项目缺陷数量的挑战。
• 通过最优标度处理定性软件度量，克服传统回归的局限性。
• 基于项目级特征开发一个稳健的、基于数据的缺陷密度估算模型。
• 利用真实OSS社区的实证数据验证模型，确保其实际适用性。
• 提供一种可重复的质量估算方法，结合变量量化与回归优化。

提出的方法

• 应用CATREG将定性软件度量（如开发模式、许可证类型）转换为最优定量尺度。
• 使用逐步线性回归从量化变量中选择最重要的预测因子。
• 通过迭代优化变量量化和回归模型，实现最优预测性能。
• 基于从开源社区收集的真实OSS项目数据进行建模。
• 通过统计标准验证最终模型，并评估其在软件质量预测中的实际价值。
• 结合最优标度与线性回归，有效处理混合类型预测因子（分类与连续变量）。

实验结果

研究问题

• RQ1 CATREG能否有效量化定性软件度量指标，以用于缺陷预测模型？
• RQ2 哪些项目级度量指标显著预测OSS系统中的缺陷数量？
• RQ3 变量量化的迭代优化如何提升缺陷估算模型的准确性？
• RQ4 基于真实OSS数据的统计模型在多大程度上能以实际相关的方式预测缺陷密度？
• RQ5 将最优标度与逐步回归结合，能否生成更稳健且可解释的质量估算模型？

主要发现

• CATREG成功地将定性项目属性转换为最优定量尺度，提升了模型的可解释性与性能。
• 最终模型识别出项目规模、贡献频率和开发模式等关键预测因子，显著影响缺陷估算。
• 逐步回归在保持高预测准确性的前提下减少了预测因子数量，提升了模型效率。
• 迭代模型优化过程得出了一种稳定且优化的缺陷预测回归公式。
• 该模型在应用于真实OSS数据时展现出实际价值，支持其在软件质量管理中的应用。
• 最优标度与回归的整合为处理OSS质量估算中的混合类型预测因子提供了稳健框架。