Log-Linear Models for Categorical Data with Misclassification and Double Sampling
存在误分类和双重抽样的分类数据对数线性模型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：摘要研究分类计数的误分类建模，未涉及个体离散选择行为或其他所列细分方向。
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
存在误分类和双重抽样的分类数据对数线性模型
- 研究问题
- 分类计数存在误分类时，如何利用双重抽样信息同时刻画分类错误与真实分类关系，并据此开展统计推断？
- 方法与思路
- 作者分别为误分类矩阵及正确分类的分布建立对数线性模型，采用极大似然估计和拟合优度检验，并给出流行病学示例。
- 材料陈述的贡献
- 摘要提出利用误分类结构分析双重抽样数据的方法，使正确分类之间关系的推断能够纳入分类错误信息。
- 阅读关注点
- 应核对双重抽样如何获得正确分类信息、两个模型的选择与可识别性，以及拟合优度检验的具体实施。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；验证样本设计、误分类假设和识别条件未说明，不能断言该方法能处理任意分类错误或推断刊本变化。
原文摘要
Errors in the collection of categorical data lead to misclassification of observed counts. Several authors have proposed a double sampling scheme. This article develops a method for analysis of double sampling data. First, a log-linear model is selected for the misclassification matrix that relates the fallible to the correct data; then another log-linear model is built on the distribution of the correct classifications. Thus, the error structure can be utilized in inference of the relationships among the correct classifications. The statistical principles used are maximum likelihood estimation and goodness-of-fit tests. An example from epidemiology illustrates the methodology.