The Use of Chi-Squared Statistics for Categorical Data Problems
分类数据问题中卡方统计量的使用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：分类数据与卡方检验属于通用统计主题；摘要没有选择行为模型或经济应用，不能据此归入离散选择等细分方向。
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
分类数据问题中卡方统计量的使用
- 研究问题
- 分类数据分析中的卡方统计量何时具有通常的渐近分布，在小样本、稀疏大表或整群抽样中如何评估其适用性？
- 方法与思路
- 作者回顾卡方统计量渐近结果的一般结构，并讨论该结构在多种实际问题中的应用，包括极限分布并非卡方的情形。
- 材料陈述的贡献
- 摘要所述贡献是组织和讨论卡方推断的通用渐近框架，覆盖小样本、稀疏列联表及整群抽样等重要使用情境。
- 阅读关注点
- 应核对各情境下的抽样结构、渐近方案及参考分布，特别是稀疏性和聚类如何影响通常卡方近似的可靠性。
- 阅读边界
- 仅据所给 Crossref 摘要；未列出各场景的条件或修正方法，不能将综述性讨论理解为统一的有限样本有效性保证。
原文摘要
Summary The use of χ2 statistics for categorical data problems was initiated by Karl Pearson, but it took several years before the asymptotic distribution of these statistics was well understood. The general structure of asymptotic results for χ2 statistics is reviewed and the applicability of the general structure to a variety of problems of practical interest is discussed. These problems include the use of χ2 statistics in small-sample situations and in large sparse tables, in cluster sampling, and in cases where they do not have asymptotic χ2 distributions.