Partitioning of Chi-Square, Analysis of Marginal Contingency Tables, and Estimation of Expected Frequencies in Multidimensional Contingency Tables
卡方分解、边际列联表分析与多维列联表期望频数估计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：摘要讨论通用列联表检验与频数计算，未涉及离散选择行为模型等所列领域的明确内容。
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
卡方分解、边际列联表分析与多维列联表期望频数估计
- 研究问题
- 如何将多维列联表中的一类假设分解为边际表假设及独立性等假设，从而便利检验与该假设下期望频数的计算？
- 方法与思路
- 作者提出逐步分解方法，将原假设拆为若干边际表假设，以及原多维表中的独立性、条件独立性或条件等概率假设。
- 材料陈述的贡献
- 摘要称，该分解同时便利假设检验与期望频数估计，并在许多情形下比通常的迭代缩放方法更容易应用。
- 阅读关注点
- 应核对可被分解的假设类别、卡方统计量的分解条件，以及期望频数计算步骤和与迭代缩放比较的具体依据。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；期望频数符号有缺失，需查原 PDF。假设范围及方法比较细节均未提供。
原文摘要
A step-by-step method is presented herein for partitioning a certain kind of hypothesis H about the m-way contingency table into (a) a series of hypotheses about marginal tables formed from the m-way table by ignoring one or more of table's m dimensions; and (b) a hypothesis about independence, conditional independence, or conditional equiprobability in the m-way table. This step-by-step method facilitates both the testing of H and the calculation of , the estimated expected frequencies in the m-way table under H. The method introduced herein for calculating is easier to apply than the usual iterative-scaling method in many cases.