Latent Class Analysis of Two-Way Contingency Tables by Bayesian Methods
二维列联表潜类别分析的贝叶斯方法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：摘要讨论列联表潜类别与贝叶斯计算，未提供离散选择行为模型或其他所列领域的直接证据。
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…
二维列联表潜类别分析的贝叶斯方法
- 研究问题
- 二维列联表潜类别分析面临不可识别问题时，如何引入潜在参数先验，并处理贝叶斯计算中的特殊困难？
- 方法与思路
- 作者对潜在参数设定先验分布，讨论适合潜类别分析的贝叶斯技术，同时提出应对相应计算困难的方法。
- 材料陈述的贡献
- 摘要称贝叶斯技术可以处理此类不可识别问题，并讨论计算上的补救方案，但未说明先验及算法的具体形式。
- 阅读关注点
- 核对不可识别的具体来源、先验如何约束潜在参数，以及计算补救方案是否稳定，并考察结论对先验的敏感性。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；先验形成后验不等于数据本身实现识别，具体处理方式需核对正文。
原文摘要
Latent class analysis in two-way contingency tables usually suffers from unidentifiability problems. These an be overcome by using Bayesian techniques in which prior distributions are assumed on the latent parameters. Application of these techniques, however, involves some unusual computational difficulties. Bayesian techniques suitable for latent class analyses together with a remedy to the computational difficulties are discussed in this paper.