Bayesian Estimation Methods for Two-Way Contingency Tables
二维列联表的贝叶斯估计方法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：摘要研究列联表平滑与职业关联，未涉及离散选择行为模型或明确的因果识别。
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
二维列联表的贝叶斯估计方法
- 研究问题
- 当二维列联表参数在先验上相互关联、且部分单元格频数为零时，如何估计行效应、列效应及交互效应？
- 方法与思路
- 作者在参数具有先验关联、尤其可交换性合理的设定下构造后验估计，讨论可交换性的放宽，并分析父子职业流动表。
- 材料陈述的贡献
- 摘要称，后验估计可平滑列联表，存在零频数时仍有效；方法还用于衡量示例中父亲与儿子职业之间的关联。
- 阅读关注点
- 核对效应参数化、可交换性先验及其放宽方式，检查零频数如何处理，以及职业关联指标对先验选择的敏感程度。
- 阅读边界
- 仅据所给Crossref摘要；先验形式、具体数值及敏感性结果未说明。职业关联分析不足以支持代际流动的因果结论。
原文摘要
Summary Estimation methods are proposed for the row, column and interaction effects in two-way contingency tables, the one-way table being treated as a special case. The methods are appropriate when the parameters are thought a priori to be related to each other. The posterior estimates have the practical effects of smoothing the contingency table, and are valid even if some of the cell frequencies are zero. The main case treated is where particular assumptions of exchangeability are reasonable a priori for the unknown parameters. Some possible relaxations of the exchangeability assumptions are discussed. The methods are used to provide a numerical analysis of a mobility table originally due to Karl Pearson, and to measure the association between the occupations of fathers and sons in this table.