Log-Linear Models and Frequency Tables with Small Expected Cell Counts
对数线性模型与期望格频数较小的频数表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：频数表与对数线性模型属于通用统计建模，摘要未研究离散选择行为或选择机制。
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
对数线性模型与期望格频数较小的频数表
- 研究问题
- 当频数表的样本量和格子数量都很大，但单个格子的期望频数较小时，传统正态与卡方渐近近似何时仍成立？
- 方法与思路
- 作者在对数线性模型下研究对数均值向量最大似然估计的线性泛函，以及 Pearson 和似然比卡方统计量的渐近分布。
- 材料陈述的贡献
- 摘要称给出了估计量线性泛函渐近正态、两类检验统计量渐近服从卡方分布的条件，允许单格期望频数较小。
- 阅读关注点
- 应核对样本量、格子数量及模型维度的联合增长方式，识别性要求，以及卡方近似在稀疏格子配置下的适用范围。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；完整增长条件和近似误差未提供，不能将结果推广至任意稀疏频数表。
原文摘要
In the case of frequency data, traditional discussions such as Rao (1973, pages 355-363, 391-412) consider asymptotic properties of maximum likelihood estimates and chi-square statistics under the assumption that all expected cell frequencies become large. If log-linear models are applied, these asymptotic properties may remain applicable if the sample size is large and the number of cells in the table is large, even if individual expected cell frequencies are small. Conditions are provided for asymptotic normality of linear functionals of maximum-likelihood estimates of log-mean vectors and for asymptotic chi-square distributions of Pearson and likelihood ratio chi-square statistics.