Maximum likelihood estimation in log-linear models
对数线性模型中的最大似然估计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：摘要研究列联表对数线性模型的估计存在性，未明确涉及离散选择行为模型。
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…
对数线性模型中的最大似然估计
- 研究问题
- 条件泊松抽样下，对数线性模型的最大似然估计何时存在；不存在时，自然参数与均值参数有哪些可估部分？
- 方法与思路
- 作者利用对数线性模型的几何性质和扩展指数族框架，分析观测表中抽样零的作用，并设计扩展最大似然算法。
- 材料陈述的贡献
- 摘要称，论文给出估计存在的充要条件，研究估计不存在时的可估性，并提出改进和纠正既有分析算法的方法。
- 阅读关注点
- 应核对条件泊松抽样的具体约束、抽样零如何进入几何判据，以及扩展估计的输出、可估性与算法修正范围。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未列出充要条件和算法细节，所称改进与纠正尚不能据此独立核验。
原文摘要
We study maximum likelihood estimation in log-linear models under conditional Poisson sampling schemes. We derive necessary and sufficient conditions for existence of the maximum likelihood estimator (MLE) of the model parameters and investigate estimability of the natural and mean-value parameters under a nonexistent MLE. Our conditions focus on the role of sampling zeros in the observed table. We situate our results within the framework of extended exponential families, and we exploit the geometric properties of log-linear models. We propose algorithms for extended maximum likelihood estimation that improve and correct the existing algorithms for log-linear model analysis.