Extended RC Association Models Allowing for Order Restrictions and Marginal Modeling
允许序约束与边际建模的扩展 RC 关联模型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：摘要研究列联表关联模型，分类变量和 logit 参数化不足以证明其属于离散选择或结构估计。
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
允许序约束与边际建模的扩展 RC 关联模型
- 研究问题
- 在二维列联表中，如何同时建模两个分类变量的边际分布与关联，并纳入适合变量性质的参数化和序约束？
- 方法与思路
- 作者扩展 RC 模型，用不同类型的 logit 与对数优势比参数化边际及关联，并构造等式、不等式约束下的最大似然算法。
- 材料陈述的贡献
- 摘要称，提供联合边际与关联建模的模型类、约束估计算法及若干假设的似然比统计量渐近分布，并概述多维表扩展。
- 阅读关注点
- 应核对边际与关联参数的兼容性、行列得分和约束的作用，以及不同假设下似然比统计量的渐近分布及算法条件。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；具体渐近分布、算法收敛与多维扩展细节未说明，不能补推常规卡方结论。
原文摘要
In the context of two-way contingency tables, the RC model may be seen as a way of modeling the set of log-odds ratios for adjacent 2 × 2 subtables through row and column scores. This article presents an extended class of RC models that allows simultaneous modeling of the marginal distributions and the association between two categorical variables; these components are parameterized with logits and log-odds ratios that may be of different types (e.g., global or continuation) to suit the nature of the data and the type of dependence of interest. An algorithm for maximum likelihood estimation under equality and inequality constraints is presented, the asymptotic distribution of the likelihood-ratio statistic to test some interesting hypotheses is derived, and extensions to multiway tables are outlined. Three examples are presented to highlight the features of the new approach.