Latent class analysis of two-way contingency tables by Bayesian methods
二维列联表潜类别分析的贝叶斯方法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：摘要研究列联表潜类别推断，未说明经济选择行为或结构模型，故不归入离散选择或结构估计。
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…
二维列联表潜类别分析的贝叶斯方法
- 研究问题
- 二维列联表的潜类别分析面临不可识别和特殊计算困难时，先验分布与贝叶斯方法能够如何帮助开展推断？
- 方法与思路
- 作者对潜在参数设定先验，讨论适用于潜类别分析的贝叶斯技术，并提出处理相关计算困难的办法。
- 材料陈述的贡献
- 摘要称，贝叶斯先验能够应对潜类别分析的不可识别问题，并讨论适用的推断技术及计算困难的补救方法。
- 阅读关注点
- 应区分似然识别与先验带来的后验约束，核对先验敏感性、计算困难来源、算法步骤及其收敛诊断。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明先验和算法，不能把先验约束解释为数据本身实现识别，也不能推断刊本变化。
原文摘要
Latent class analysis in two-way contingency tables usually suffers from unidentifiability problems. These an be overcome by using Bayesian techniques in which prior distributions are assumed on the latent parameters. Application of these techniques, however, involves some unusual computational difficulties. Bayesian techniques suitable for latent class analyses together with a remedy to the computational difficulties are discussed in this paper.