Bayesian Testing and Estimation of Association in a Two-Way Contingency Table
二维列联表关联的贝叶斯检验与估计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：二维列联表关联分析并未明确涉及个体选择行为，不能仅凭类别数据归入离散选择。
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
二维列联表关联的贝叶斯检验与估计
- 研究问题
- 如何在二维列联表中检验独立性、拟独立性、对称性及恒定关联等模型，并估计关联结构或识别偏离主要模式的单元格？
- 方法与思路
- 作者在对数线性模型交互项上设置先验，构造贝叶斯假设检验，并使用贝叶斯因子开展考虑模型不确定性的关联参数估计。
- 材料陈述的贡献
- 摘要称方法能给出支持简单假设的证据度量，并在关联参数估计中考虑假设模型是否成立的不确定性，多个列联表用于展示方法。
- 阅读关注点
- 应核对交互项先验如何定义、贝叶斯因子的计算和敏感性，以及模型不确定性如何进入估计与异常单元格的识别。
- 阅读边界
- 材料为版本未注明的索引摘要；未给出先验形式、模型权重或异常检测规则，所称优势不能直接视为普遍性能结论或刊本变化。
原文摘要
In a two-way contingency table, one is interested in checking the goodness of fit of simple models such as independence, quasi-independence, symmetry, and constant association, and estimating parameters that describe the association structure of the table. In a large table, one may be interested in detecting a few outlying cells that deviate from the main association pattern in the table. Bayesian tests of these hypotheses are described using a prior defined on the set of interaction terms of the log-linear model. These tests and associated estimation procedures have several advantages over classical fitting/estimation procedures. First, the tests can give measures of evidence in support of simple hypotheses. Second, the Bayes factors can be used to give estimates of association parameters of the table that allow for uncertainty that the hypothesized model is true. These methods are illustrated for a number of tables.