An Exact Test on the Goodman–Kruskal λ for Prediction on a Dichotomy
二分类预测中 Goodman–Kruskal λ 的精确检验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：摘要研究类别间预测关联的精确检验，未明确涉及经济主体的离散选择。
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
二分类预测中 Goodman–Kruskal λ 的精确检验
- 研究问题
- 当被预测变量为二分类时，如何精确检验 Goodman–Kruskal λ 是否表示正的预测增益，并计算不同参数点的检验功效？
- 方法与思路
- 作者通过重新参数化构造零预测增益对正预测增益的精确检验，并说明如何在所得参数空间计算功效及其与 λ 的联系。
- 材料陈述的贡献
- 摘要称检验程序简单、计算量少，并提供参数空间中任一点的功效计算方法，将功效分析联系回原始预测关联指标。
- 阅读关注点
- 应核对抽样模型、重新参数化和参数空间限制、精确检验的校准方式，以及功效与原始 λ 参数之间的对应关系。
- 阅读边界
- 仅据 Crossref 摘要；抽样假设、检验步骤和功效数值未说明，二分类预测关联本身也不建立因果解释或行为选择模型。
原文摘要
Summary Goodman and Kruskal (1954) introduced a measure λ of predictive association when predicting the category of a variable B from a category of a variable A. The measure λ is such that 0 ≤ λ ≤ 1 with a zero value meaning no predictive gain while λ = 1 indicates a perfect predictive association between A and B. Thus, the test of H 0: λ = 0 versus H 1: λ > 0 is of prime importance, since it is entirely analogous to a test for significance of regression or correlation. We present an exact test, developed through a reparameterization scheme, of the above hypothesis when B is dichotomous. The testing procedure is quite simple, requiring few calculations. In addition, this paper presents the method of calculation of power for any point in the resulting parameter space and relates the power to the original parameter λ.