Empirical Bayes Methods for Two-Way Contingency Tables
二维列联表的经验贝叶斯方法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：摘要属于列联表的经验贝叶斯平滑与计算，未明确涉及离散选择、分布效应或其他所列专门方向。
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
二维列联表的经验贝叶斯方法
- 研究问题
- 如何利用经验贝叶斯方法平滑二维列联表，并估计先验中的方差分量，以支持表格参数的估计与计算？
- 方法与思路
- 作者结合对数线性模型与正态先验，讨论先验方差分量估计，并考虑两种近似计算方法，其中一种使用EM算法。
- 材料陈述的贡献
- 摘要提出二维列联表的经验贝叶斯平滑方法，并讨论方差分量估计及两种近似；未陈述具体性能比较结论。
- 阅读关注点
- 核对正态先验施加于哪些参数、方差分量如何估计、两种近似的目标及差异，以及EM算法的更新和收敛表现。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；先验结构、近似误差与应用结果未说明，不能据此判断平滑方法的优势。
原文摘要
An empirical Bayes method for smoothing two-way tables is presented. It is based on the use of the log linear model and a normal prior distribution. Estimation of the variance component in the prior is discussed, and two approximations are considered, one which utilizes the EM algorithm.