Testing for Random Pairing
随机配对的检验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：摘要仅描述类别配对列联表的统计模型，未涉及网络结构、干扰效应或经济匹配的结构估计。
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
随机配对的检验
- 研究问题
- 当不同类别的成员形成配对且同类别成员不能互配时，如何对两边类别划分相同的列联表建立随机配对模型并进行检验？
- 方法与思路
- 作者针对禁止同类配对的列联表引入配对模型，开发最大似然计算算法，推导渐近协方差公式，并用经验例子展示程序。
- 材料陈述的贡献
- 摘要给出适用于这类受限配对数据的模型、最大似然算法与渐近协方差结果，为随机配对分析提供可实施的统计步骤。
- 阅读关注点
- 应核对随机配对原假设、禁止同类配对的约束处理、边际信息如何进入模型，以及算法收敛与渐近推断的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未说明模型公式、检验统计量或实例结论，不能据此推断配对机制已被识别。
原文摘要
The analysis of contingency tables in which both margins have the same polychotomy is considered. These tables arise when members from categories form pairs. Pairs cannot be between members of the same category. Appropriate models for pairing are introduced. A maximum likelihood algorithm is developed and asymptotic covariance formulas are derived. An empirical example illustrates the procedures.