Small samples in contingency tables
列联表的小样本分析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：摘要讨论列联表与条件推断的一般统计方法，未提供归入所列计量细分方向的充分依据。
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…
关注这篇论文的作者
列联表的小样本分析
- 研究问题
- 在采用层次对数线性模型分析列联表时，如何改善小样本下参数组的条件推断，减少对常用渐近方法的依赖？
- 方法与思路
- 作者讨论三条路径：改进单元格频数的矩近似、枚举符合给定边际总数的表，以及在无法枚举时模拟随机抽样。
- 材料陈述的贡献
- 摘要提出改善常用渐近推断的三类办法，并将精确枚举与模拟抽样区分为适用于不同计算可行性的分析路径。
- 阅读关注点
- 阅读时应核对条件分布的构造、矩近似相对迭代缩放的改进，以及枚举和模拟抽样的实现与计算负担。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；摘要未说明具体误差界、模拟抽样性质或适用样本规模，不能推断刊本变化。
原文摘要
The analysis of some contingency tables is based on hierarchical log linear models. Inferences about sets of parameters can then be made from conditional distributions. We discuss three ways of improving the asymptotic methods generally used in practice. They comprise (i) better approximations to moments of cell frequencies than those derived from the iterative scaling procedure, (ii) exact distributions obtained by enumerating all tables consistent with given marginal totals, and (iii) simulated random sampling for tables where exact enumeration is impossible.