Weighted Least-Squares Analysis of Several Univariate Bradley-Terry Models
若干单变量 Bradley–Terry 模型的加权最小二乘分析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：摘要明确研究成对和三项偏好比较及 Bradley–Terry 模型，与离散选择建模直接相关。
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
若干单变量 Bradley–Terry 模型的加权最小二乘分析
- 研究问题
- 对于成对或三项比较实验，如何以非迭代方式估计各处理的偏好评分，并检验评分之间的关系及相关假设？
- 方法与思路
- 作者将分类数据的线性与对数线性变换用于比较实验，以加权最小二乘估计对数尺度上的偏好评分，并采用一般线性假设检验。
- 材料陈述的贡献
- 摘要称，该方法提供非迭代偏好评分估计及假设检验框架，并给出包含或不包含平局、顺序效应的成对比较及三项比较例子。
- 阅读关注点
- 应核对分类频数的变换、权重矩阵与评分约束，以及平局和顺序效应的建模方式、零频数处理和推断条件。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未说明估计效率、有限样本表现或与迭代方法的比较，非迭代性本身不证明更优。
原文摘要
The approach of Grizzle, Starmer, and Koch (1969) to analyzing categorical data using linear and loglinear transformations is applied to the analysis of univariate paired and triple comparison experiments. This method of analysis produces noniterative weighted least-squares estimates of the preference ratings corresponding to the treatments under test and allows for testing hypotheses relative to their values within the framework of the general linear hypothesis. Further, the technique produces estimates of the preference ratings which are linear on the log scale within which Bradley (1965) defined his model. Examples with and without ties or order effects for paired comparison experiments and an example of a triple comparison experiment are presented.