An importance sampling algorithm for exact conditional tests in log-linear models
对数线性模型精确条件检验的重要性抽样算法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：摘要研究列联表对数线性模型的条件检验计算，未明确所列经济计量细分领域。
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
对数线性模型精确条件检验的重要性抽样算法
- 研究问题
- 当对数线性模型的精确条件分布难以直接模拟时，如何用蒙特卡洛方法近似条件拟合不足检验并保持计算可行性？
- 方法与思路
- 作者以泊松分布的粗略正态近似为动机构造重要性抽样，应用于方形列联表的准对称性及多维表的高阶交互检验。
- 材料陈述的贡献
- 摘要称，方法在可直接模拟时具有竞争力；直接模拟不可行且检验自由度不太大时，优于所比较的其他蒙特卡洛程序。
- 阅读关注点
- 应核对重要性分布、权重计算、蒙特卡洛误差控制，以及检验自由度对效率和非饱和备择扩展的影响。
- 阅读边界
- 索引摘要未注明稿件版本，未给出自由度阈值或数值比较；精确条件检验目标不等于有限次模拟完全没有近似误差。
原文摘要
SUMMARY A simple but quite general simulation method for conducting exact conditional lackof-fit tests in log-linear models is proposed. Our Monte Carlo approximation utilises an importance sampling method motivated by the crude normal approximation to the Poisson distribution. Examples considered include tests of quasi-symmetry and related models for square tables and tests concerning higher-order interactions in multi-way tables. The method is competitive with direct simulation from the exact conditional distribution when this is feasible and outperforms alternative Monte Carlo procedures when direct simulation is infeasible provided the number of degrees of freedom of the test is not too large. Extension of the method to tests against non-saturated alternatives is straightforward and is briefly discussed and illustrated.