A Note on Bayes Factors for Log-Linear Contingency Table Models with Vague Prior Information
模糊先验信息下对数线性列联表模型的贝叶斯因子札记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：列联表模型比较本身不足以归入离散选择，摘要未明确对应其他所列领域细分。
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
模糊先验信息下对数线性列联表模型的贝叶斯因子札记
- 研究问题
- 列联表中出现零频数时，既有近似贝叶斯因子为何无法确定，怎样调整先验使对数线性模型比较仍可进行？
- 方法与思路
- 作者指出使用标准 Jeffreys 先验可克服零频数造成的问题，并考察贝叶斯因子变换与 Schwarz 准则的大样本关系。
- 材料陈述的贡献
- 摘要称这一先验选择解决了所讨论近似因子的未定问题，并指出其负二倍对数在大样本下近似对应 Schwarz 准则。
- 阅读关注点
- 应核对零频数问题的具体形式、Jeffreys 先验的构造与适用条件，以及大样本近似中保留或忽略的项。
- 阅读边界
- 仅依据所给 Crossref 摘要；先验与模型限制及近似误差未说明，不能据此推广到任意稀疏列联表或推断版本变化。
原文摘要
SUMMARY The approximate Bayes factor, B 01, for log-linear contingency table models proposed by Spiegelhalter and Smith (1982) is indeterminate if any of the cell frequencies is zero. It is noted that use of a standard Jeffreys prior overcomes this difficulty. It is pointed out that – 2 log B 01 is approximately equivalent to Schwarz's (1978) model selection criterion in large samples.