Hierarchical Log-Linear Models not Preserved by Classification Error
分类错误下不被保持的层级对数线性模型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：摘要涉及列联表误分类和对数线性模型保持性，未明确关联因果推断或经济行为的离散选择模型。
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
分类错误下不被保持的层级对数线性模型
- 研究问题
- 将二乘二列联表的分类错误模型推广到高维表后，哪些层级对数线性模型不再保持原有模型结构与检验性质？
- 方法与思路
- 作者把既有分类错误模型扩展到高维列联表，并给出简单判据，判断哪些层级对数线性模型不被分类错误保持。
- 材料陈述的贡献
- 摘要称二维独立性检验已有的名义显著性水平保持性质，并非所有高维层级模型都具备，本文提供识别此类模型的判据。
- 阅读关注点
- 应核对误分类机制及其限制、模型“保持”的准确含义，以及判据如何对应交互项结构和检验显著性水平。
- 阅读边界
- 版本未注明的索引摘要没有列出误分类概率条件与判据；不能认为二维独立性检验对任意误分类机制都有效。
原文摘要
A model of Bross (1954) for classification error in 2 × 2 contingency tables is extended to higher dimensional tables. It is known (Mote and Anderson 1965) that the usual hypothesis tests of independence for a sampled two-dimensional table have the nominal significance level in the presence of misclassification. A simple criterion is given to determine which hierarchical log-linear models in higher dimensional tables do not share this property, that is, are not preserved by classification error.