Measures of Association for Cross Classifications III: Approximate Sampling Theory
交叉分类关联度量（三）：近似抽样理论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：摘要研究一般交叉分类关联度量的抽样理论，未明确涉及离散选择模型或其他所列方向。
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
交叉分类关联度量（三）：近似抽样理论
- 研究问题
- 交叉分类中的关联度量及其样本对应量，在不同抽样方式下具有怎样的大样本分布，如何据此进行检验和区间估计？
- 方法与思路
- 作者为多种关联度量及抽样方式推导近似正态分布与标准误，用于度量及其差异的检验和置信区间，并评估近似效果。
- 材料陈述的贡献
- 摘要称，论文给出多类关联度量的渐近推断结果与数值近似评估，并解释可用于扩展到其他度量和抽样方式的基本工具。
- 阅读关注点
- 应核对各关联度量的定义、抽样设计、正态近似的限制条件，以及数值评估覆盖的样本量和列联表情形。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要明确提示存在限制，但未列出具体条件与数值结果，不能推断所有列联表均适用。
原文摘要
The population measures of association for cross classifications, discussed in the authors' prior publications, have sample analogues that are approximately normally distributed for large samples. (Some qualifications and restrictions are necessary.) These large sample normal distributions with their associated standard errors, are derived for various measures of association and various methods of sampling. It is explained how the large sample normality may be used to test hypotheses about the measures and about differences between them, and to construct corresponding confidence intervals. Numerical results are given about the adequacy of the large sample normal approximations. In order to facilitate extension of the large sample results to other measures of association, and to other modes of sampling, than those treated here, the basic manipulative tools of large sample theory are explained and illustrated.