Bilinear Mixed-Effects Models for Dyadic Data
二元关系数据的双线性混合效应模型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：摘要明确以社会网络和二元关系数据为对象，建模其中的三阶依赖结构。
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
二元关系数据的双线性混合效应模型
- 研究问题
- 社会网络及其他二元关系数据中常见的某些三阶依赖模式，如何在固定效应和随机效应之外得到有效刻画？
- 方法与思路
- 作者把对称乘性交互效应与常规线性固定及随机效应纳入广义线性模型，并提供用于贝叶斯估计推断的MCMC算法。
- 材料陈述的贡献
- 摘要称该模型能够捕捉某些三阶依赖模式，并在国际关系数据实例中改善模型拟合和预测表现。
- 阅读关注点
- 应核对乘性交互项对应的网络依赖、参数可识别性、先验及MCMC收敛，并查看拟合和预测改善的比较基准。
- 阅读边界
- 仅据版本未注明的索引摘要；改善来自一个实例，具体幅度和验证方式未说明，不能推广至所有网络或解释为干扰效应。
原文摘要
This article discusses the use of a symmetric multiplicative interaction effect to capture certain types of third-order dependence patterns often present in social networks and other dyadic datasets. Such an effect, along with standard linear fixed and random effects, is incorporated into a generalized linear model, and a Markov chain Monte Carlo algorithm is provided for Bayesian estimation and inference. In an example analysis of international relations data, accounting for such patterns improves model fit and predictive performance.