Round Robin Analysis of Variance via Maximum Likelihood
基于最大似然的循环配对方差分析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：摘要直接研究循环配对中的社会互动及对子行为相互依存，支持网络关系方向，但未提出因果干扰识别。
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
基于最大似然的循环配对方差分析
- 研究问题
- 如何分析比赛或社会互动中的循环配对数据，同时刻画个体差异与互动双方行为的相互依存，并估计协方差分量？
- 方法与思路
- 作者提出一类双向随机效应模型，讨论线性效应的统计推断，并以基于 EM 的收敛算法求取协方差分量的最大似然估计。
- 材料陈述的贡献
- 摘要称，模型既提供个体差异信息，也刻画互动对子行为的相互依存；文章提出估计算法并分析一组平衡数据。
- 阅读关注点
- 应核对随机效应与对子依赖的表示、协方差分量的识别和约束、算法收敛的含义，以及平衡设计对推断的作用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分布条件、收敛结论和实证结果未说明，算法收敛不能据此等同于获得全局最优解。
原文摘要
A class of two-way random-effects models is presented for analyzing data that arise in a large variety of round robin designs. Examples of such designs can be found in numerous games, tournaments, and social interactions. The proposed models provide information not only about individual differences but also about the mutual contingency of the behaviors of interaction dyads. The statistical inference of the linear effects is discussed and a converging algorithm based on the EM algorithm is proposed for obtaining the maximum likelihood estimates of the covariance components. A balanced data set is analyzed using the methodology developed.