Analysis of Log-Linear Models
对数线性模型分析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：摘要涉及通用分类数据的对数线性估计，未明确选择行为模型，不能仅凭分类数据归入离散选择。
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
对数线性模型分析
- 研究问题
- 在用于分类数据或刺激—反应数据的多项试验中，如何计算对数线性模型单元格频数及模型参数的最大似然估计？
- 方法与思路
- 作者提出一个迭代程序，用于多项试验下对数线性模型的单元格频数和参数估计；摘要未说明更新步骤及具体约束处理。
- 材料陈述的贡献
- 摘要明确提供一种获得最大似然估计的迭代方法，覆盖单元格频数与模型参数；未陈述收敛速度、误差保证或比较结果。
- 阅读关注点
- 应核对多项试验的模型设定、参数约束、迭代更新和停止规则，以及最大似然解是否存在、是否唯一及算法的收敛条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断迭代程序的计算复杂度、边界单元格处理或估计量性质，也不能据此认定优于其他算法。
原文摘要
Summary Log-linear models are extensively used to analyse categorical and “stimulus-response” data. This paper gives an iterative procedure for obtaining maximum likelihood estimates of cell frequencies and of the parameters of a log-linear model in a multinomial experiment.