Marginal models for categorical data
分类数据的边际模型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：摘要研究列联表与分类数据的通用参数化，未涉及经济选择机制、面板结构或其他所列细分的明确目标。
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
分类数据的边际模型
- 研究问题
- 如何用列联表边际分布上的限制定义分类数据模型，并保证边际对数线性参数化平滑、变动独立且支持似然推断？
- 方法与思路
- 作者定义一般边际对数线性参数，研究其上的仿射限制，以及参数化、模型非空和曲指数族结构的条件。
- 材料陈述的贡献
- 摘要称该框架推广普通对数线性与多元 logistic 模型，并证明多种抽样方式下可使用标准极大似然大样本理论。
- 阅读关注点
- 应核对边际集合与参数构造、变动独立性的定义、各条件是充分还是必要，以及大样本理论适用的抽样方式。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未列具体条件，不能假定任意边际限制均产生非空模型或有效参数化。
原文摘要
Statistical models defined by imposing restrictions on marginal distributions of contingency tables have received considerable attention recently. This paper introduces a general definition of marginal log-linear parameters and describes conditions for a marginal log-linear parameter to be a smooth parameterization of the distribution and to be variation independent. Statistical models defined by imposing affine restrictions on the marginal log-linear parameters are investigated. These models generalize ordinary log-linear and multivariate logistic models. Sufficient conditions for a log-affine marginal model to be nonempty and to be a curved exponential family are given. Standard large-sample theory is shown to apply to maximum likelihood estimation of log-affine marginal models for a variety of sampling procedures.