The Multivariate Analysis of Qualitative Data: Interactions among Multiple Classifications
定性数据的多元分析：多重分类中的交互作用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：摘要研究一般列联表交互分析，虽涉及 logit，但未提供个体选择行为模型的依据。
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
定性数据的多元分析：多重分类中的交互作用
- 研究问题
- 对于多维列联表，如何直接估计变量间的乘性交互作用并检验层级假设，以及如何理解完整表与边际表检验的关系？
- 方法与思路
- 作者结合交互作用的直接估计和间接假设检验，讨论独立性、条件独立性、logit 与对数线性模型，并提出假设分解方法。
- 材料陈述的贡献
- 摘要称假设分解有助于理解完整表和边际表检验的关系，并通过例子展示联合估计与检验可发现拟合更好的模型。
- 阅读关注点
- 应核对交互作用的参数化、层级假设及其分解规则，并检查示例中的拟合标准、模型搜索步骤和检验解释。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；示例数据与拟合结果未给出，不能把个别模型拟合改善解释为普遍方法优势。
原文摘要
For the m-way contingency table, we discuss both the direct estimation of the multiplicative interactions among the m variables, and the indirect testing of hypotheses pertaining to these interactions. We consider, among other things, hierarchical hypotheses pertaining to the interactions among the m variables, including hypotheses that can be expressed in terms of one or more of the following kinds of concepts: (a) the usual concepts of independence and equiprobability; (b) concepts describing conditional properties (e.g., conditional independence) pertaining to a subset of the m variables, given the level of some of the remaining variables; (c) concepts related to the usual logit-analysis or to a generalized form of logit-analysis; and (d) concepts related to a more general log-linear model. Methods of partitioning these hypotheses are introduced which provide, among other things, insight into the relationship between tests applied to the m-way table and tests applied to marginal tables formed from the m-way table. We also show, by example, how the combined use of direct estimation and indirect testing can lead to the discovery of hypotheses (models) that, fit the data in the m-way table better than the hypotheses that have been fitted in the earlier literature.