Methods for the Analysis of Contingency Tables With Large and Small Cell Counts
含大、小单元格计数的列联表分析方法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：摘要研究列联表检验计算，未涉及个体选择机制或所列其他具体计量方向。
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…
含大、小单元格计数的列联表分析方法
- 研究问题
- 列联表同时包含大、小单元格计数时，如何在渐近尾概率近似不可靠且精确计算受限的情况下进行检验计算？
- 方法与思路
- 作者提出混合精确与渐近技术的尾概率计算算法，面向二维及多维列联表模型，并允许采用多种不同检验统计量。
- 材料陈述的贡献
- 摘要称，这类混合算法扩大了能够获得满意计算结果的列联表范围；未给出误差控制标准、运行时间或规模上限。
- 阅读关注点
- 应核对哪些部分精确计算、哪些部分采用渐近近似，以及切换规则、误差评估和不同统计量及嵌套假设下的适用性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法判断混合算法的精度保证和计算收益；列联表分析本身不等于离散选择建模。
原文摘要
The traditional practice has been to analyze contingency tables using asymptotic χ2 approximations for the tail probability of certain test statistics even when the approximation is known to be poor. For two-dimensional tables Pearson's X 2 statistic is most commonly used, whereas for multidimensional tables the likelihood ratio test is preferred because it makes it easy to test series of nested hypotheses. When asymptotic approximations are not adequate, exact tests are preferred. Recent advances in algorithms have broadened the range of two-dimensional tables for which satisfactory answers can be obtained (Baglivo, Olivier, and Pagano 1985; Mehta and Patel 1983, 1986; Pagano and Taylor-Halvorsen 1981). In this article we propose algorithms that use a mixture of exact and asymptotic techniques to calculate tail probabilities. Our methods can be used with several different test statistics for two-dimensional and multidimensional contingency-table models and hence further broaden the set of tables for which satisfactory answers can be obtained.