Maximum Likelihood Methods for Log-Linear Models When Expected Frequencies are Subject to Linear Constraints
期望频数受线性约束时对数线性模型的最大似然方法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：摘要关注一般受约束对数线性模型的似然计算，未明确涉及经济选择或其他所列细分领域。
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
期望频数受线性约束时对数线性模型的最大似然方法
- 研究问题
- 当对数线性模型同时包含频数约束与对数频数约束时，如何拟合模型并求得对数线性参数的最大似然估计？
- 方法与思路
- 作者开发两步算法，使模型能够同时处理两类约束，并以三个例子说明此类受约束模型的用途和拟合方式。
- 材料陈述的贡献
- 摘要称所提两步算法可产生对数线性参数的最大似然估计，扩展同时含两类约束模型的拟合方法；未说明计算效率。
- 阅读关注点
- 应核对两步更新的具体形式、约束可行性、最大似然解的存在与唯一性，以及算法收敛结论和三个例子的设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供约束细节、抽样机制和收敛条件，不能推断任意约束下的表现或刊本变化。
原文摘要
Hypotheses relating to log-linear models may be defined in terms of constraints on the frequencies or on the logarithms of the frequencies. A two-step algorithm is developed to allow fitting models containing constraints of both types. This algorithm is shown to yield maximum likelihood estimates of the log-linear parameters. Three examples are presented to illustrate cases in which these models are of interest.