Assessing Robustness of Intrinsic Tests of Independence in Two-Way Contingency Tables
二维列联表内禀独立性检验的稳健性评估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：摘要研究列联表独立性的一般贝叶斯检验，未明确涉及所列经济或金融细分领域。
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
二维列联表内禀独立性检验的稳健性评估
- 研究问题
- 在小到中等样本的二维列联表中，贝叶斯独立性检验对内禀先验向零假设集中程度有多敏感，是本文的问题。
- 方法与思路
- 作者通过训练样本量参数调节内禀先验的集中程度，比较不同先验下的检验，并与频率学派和其他稳健贝叶斯检验对照。
- 材料陈述的贡献
- 摘要称，论文评估有限样本中的先验稳健性，并指出大样本下内禀贝叶斯检验的一致性支持稳健性，给出真实与模拟例子。
- 阅读关注点
- 应核对训练样本量的取值规则、稳健性的衡量标准，以及一致性结论、有限样本比较和不同检验判决规则之间的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告有限样本稳健性的具体结论，也不能据大样本一致性保证小样本不受先验影响。
原文摘要
For testing nested hypotheses from a Bayesian standpoint, a desirable condition is that the prior for the alternative model concentrates mass around the smaller, or null, model. For testing independence in contingency tables, the intrinsic priors satisfy this requirement. Furthermore, the degree of concentration of the priors is controlled by a discrete parameter, t, the training sample size, which plays an important role in the resulting answer. In this article we report on the robustness of the tests of independence for small or moderate sample sizes in contingency tables with respect to intrinsic priors with different degrees of concentration around the null. We compare these tests to frequentist tests and other robust Bayes tests. For large sample sizes, robustness is achieved because the intrinsic Bayesian tests are consistent. Examples using real and simulated data are given. Supplemental materials (technical details and data sets) are available online.