Decomposition of Maximum Likelihood in Mixed Graphical Interaction Models
混合图交互模型中的极大似然分解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：图结构用于统计依赖模型，摘要未涉及经济网络、个体间干扰或所列其他方向。
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…
混合图交互模型中的极大似然分解
- 研究问题
- 标记图的分解如何对应于混合图交互模型中极大似然估计的分解，并简化估计表达与似然比统计量？
- 方法与思路
- 作者利用标记图的分解结构推导估计量的对应分解，再据此处理可分解模型的估计公式及似然比统计量。
- 材料陈述的贡献
- 摘要称，建立图分解与极大似然估计分解的联系，得到可分解模型的显式估计公式和似然比统计量的因子分解。
- 阅读关注点
- 应核对标记图和混合交互模型的具体定义、可分解性要求，以及显式估计存在的条件和统计量分解的用途。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；变量类型、估计存在条件和检验分布未说明，不能外推至不可分解模型。
原文摘要
We show how decompositions of marked graphs induce corresponding decompositions of maximum likelihood estimates in mixed graphical interaction models. We use this result to obtain explicit formulae for the estimates in decomposable models and to obtain factorizations of likelihood ratio statistics.