Homogeneous Linear Predictor Models for Contingency Tables
列联表的齐次线性预测模型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：摘要研究一般列联表最大似然推断，虽含累积 probit 示例，但未提供离散选择行为模型的依据。
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
列联表的齐次线性预测模型
- 研究问题
- 当列联表期望计数通过可非线性、可多对一的链接函数受到线性预测约束时，如何统一开展最大似然估计与推断？
- 方法与思路
- 作者以齐次线性预测模型统一多类列联表模型，讨论不同抽样方案下的最大似然拟合，并比较等价模型的推断结果。
- 材料陈述的贡献
- 摘要称，该框架涵盖多类链接与抽样设计，提供点估计、拟合优度及渐近分布，并使最大似然拟合和理论实现较直接。
- 阅读关注点
- 应核对链接函数多对一时的参数识别、等价模型的定义，以及不同抽样方案下估计与拟合优度统计量的关系。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；具体正则条件与实现细节未说明，列联表建模不能直接解释为经济离散选择模型。
原文摘要
Maximum likelihood (ML) inference for the class of homogeneous linear predictor (HLP) models for contingency tables is described. HLP models constrain the expected table counts m through L(m) = Xβ, where the link L is allowed to be a many-to-one, nonlinear function. Generalized log-linear, association trend, marginal cumulative probit, and conditional marginal homogeneity models are given as specific examples. ML fit results, which include point estimates, goodness-of-fit statistics, and asymptotic-based approximate distributions, are described and compared for equivalent HLP models. The results are valid for a wide variety of sampling plans including combinations of product multinomial and Poisson sampling. An important practical implication of this article is that the implementation of ML fitting and theory is straightforward, and an attractive alternative to weighted least squares estimation, for HLP models.