跳到正文
← 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:摘要聚焦列联表关联与独立性检验,没有选择行为模型、因果效应或其他给定领域细分的充分文本依据。

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
Shelby J. Haberman

基于典型相关与线性乘线性交互的双向列联表独立性检验

研究问题
如何利用典型相关和线性乘线性交互模型检验双向列联表的行列独立性,并在近似低秩的备择下获得更高渐近功效?
方法与思路
作者从典型相关分析和线性乘线性交互模型构造检验统计量,研究原假设下的渐近关系、检验性质及近似临界值。
材料陈述的贡献
摘要称两类统计量在原假设下渐近等价,检验一致且渐近无偏,并在某些备择下较常规卡方独立性检验有更高渐近功效。
阅读关注点
核对联合概率矩阵近似秩二的含义、行列评分处理、渐近样本条件,以及功效优势对应的具体备择与临界值近似。
阅读边界
仅据版本未注明的 OpenAlex 摘要;功效优势限于某些备择,未给出小样本或稀疏表表现,不能据此认定全面优于卡方检验。

原文摘要

Tests for independence of rows and columns in an $r \times s$ contingency table are developed from canonical correlation analysis and from models of linear-by-linear interaction. The resulting test statistics are asymptotically equivalent under the null hypothesis. They are consistent and asymptotically unbiased. Approximate critical values are available from existing tables. The proposed tests are most appropriate when the matrix of joint probabilities is well approximated by a matrix of rank 2. Against some alternatives which may arise in such tables, the proposed statistics have greater asymptotic power than conventional chi-square tests of independence.

笔记与分组
相关领域论文