The analysis of multidimensional contingency tables when some variables are posterior to others: a modified path analysis approach
有先后顺序变量的多维列联表分析：修正路径分析方法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：摘要分析分类变量关联与列联表，未明确涉及选择行为模型或因果识别。
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
有先后顺序变量的多维列联表分析：修正路径分析方法
- 研究问题
- 当多类别或二元变量之间存在先后顺序时，如何分析其关系，并构造模型拟合检验、嵌套子模型检验与参数估计？
- 方法与思路
- 作者提出适用于多类别变量的模型及类似路径分析的图示方法，配套提供拟合检验、检验统计量分解和参数估计。
- 材料陈述的贡献
- 摘要称所提模型适用于传统路径模型难以处理的多类别与二元变量，并提供检验、估计方法及一个应用示例。
- 阅读关注点
- 核对先后顺序的实际含义、模型参数化和路径图解释，并检查统计量分解、子模型关系及应用中的拟合评价。
- 阅读边界
- 版本未注明的索引摘要未提供因果识别假设；变量先后顺序与路径图本身不足以支持因果效应解释。
原文摘要
Models and methods for analyzing the relations among a set of polytomous variables, when some of the variables are posterior to others, are presented. The techniques proposed here yield ‘path diagrams’ that are somewhat analogous to those used in path analysis. Earlier path analysis models are not suited to the case where the variables are polytomous, or dichotomous, but the models proposed herein are. For each of our models, methods are presented for (a) testing whether the model fits the data, (b) partitioning the test statistic into components that can be used to test submodels within the overall model, and (c) estimating the parameters in the model. An illustrative application is also included.