Lamp Tests of Linear and Loglinear Hypotheses in Multinomial Experiments
多项试验中线性与对数线性假设的局部渐近最强检验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：摘要研究多项试验与列联表检验，未提供离散选择行为模型的依据，故不分类。
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
多项试验中线性与对数线性假设的局部渐近最强检验
- 研究问题
- 如何为二项与多项试验中的线性、对数线性假设构造简洁检验，并使检验具有明确的局部渐近最优性依据？
- 方法与思路
- 作者推导 Neyman 局部渐近最强检验准则，应用于二项和多项参数，并讨论三维列联表无二阶交互的检验。
- 材料陈述的贡献
- 摘要称，相较已有渐近检验，所提准则形式简洁且依据明确的最优性考虑，并给出特定列联表假设的检验准则。
- 阅读关注点
- 应核对局部备择与最优性定义、参数约束、二阶交互的具体含义，以及渐近准则在有限样本中的校准方式。
- 阅读边界
- 来源为 OpenAlex 索引摘要，稿件版本未注明；摘要未给出局部备择和正则条件，不能将局部渐近最优性视为全面功效优势。
原文摘要
We derive Neyman's locally asymptotically most powerful test criterion to test a linear hypothesis, and in particular, obtain such criteria to test linear hypotheses in binomial and multinomial experiments. We also discuss testing log-linear hypotheses in the parameters of a multinomial experiment, and give a simple criterion for testing the hypothesis of no second order interaction in a p × q × r (p, q, r, > 2) contingency table. Asymptotic tests of the hypotheses mentioned above are available in the literature, but the tests proposed in this paper are simple and are based on explicit optimality consideration.