Empirical Bayes methods for two-way contingency tables
二维列联表的经验贝叶斯方法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：二维列联表平滑属于通用统计方法，摘要未提供离散选择或其他经济细分的直接依据。
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
二维列联表的经验贝叶斯方法
- 研究问题
- 如何借助经验贝叶斯方法平滑二维列联表，并从观测数据估计先验中的方差成分，以支持表内信息的共同利用？
- 方法与思路
- 作者将对数线性模型与正态先验结合，讨论先验方差成分的估计，并考虑两种近似，其中一种使用EM算法。
- 材料陈述的贡献
- 摘要称提出了二维列联表的经验贝叶斯平滑方法，并给出先验方差成分估计的讨论及两种近似处理思路。
- 阅读关注点
- 应核对正态先验作用于哪些参数、方差成分的估计准则，以及两种近似的适用条件、计算收敛和误差表现。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明完整先验结构、近似误差或实际效果，不能推断对各类列联表均有效。
原文摘要
An empirical Bayes method for smoothing two-way tables is presented. It is based on the use of the log linear model and a normal prior distribution. Estimation of the variance component in the prior is discussed, and two approximations are considered, one which utilizes the EM algorithm.