Hierarchical Log-Linear Models Not Preserved by Classification Error
分类误差下不保持的层级对数线性模型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：摘要属于列联表与误分类理论，未提供离散选择模型或其他给定经济计量方向的具体设定。
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
分类误差下不保持的层级对数线性模型
- 研究问题
- 二维列联表中某些独立性检验可在误分类下保持名义水平，这一性质在高维层级对数线性模型中何时失效？
- 方法与思路
- 作者将二维列联表的分类误差模型扩展到高维表，并提出判据，识别哪些层级对数线性模型不被分类误差保持。
- 材料陈述的贡献
- 摘要称，论文给出一个简单判据，说明高维模型中哪些情形不具有二维独立性检验所述的误分类保持性质。
- 阅读关注点
- 应核对分类误差机制的限制、“模型保持”的定义，以及判据如何联系模型结构与检验的名义显著性水平。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；判据和误分类条件未提供，不能推断任意二维检验都稳健或高维模型均失效。
原文摘要
A model of Bross (1954) for classification error in 2 × 2 contingency tables is extended to higher dimensional tables. It is known (Mote and Anderson 1965) that the usual hypothesis tests of independence for a sampled two-dimensional table have the nominal significance level in the presence of misclassification. A simple criterion is given to determine which hierarchical log-linear models in higher dimensional tables do not share this property, that is, are not preserved by classification error.