Bayesian Testing and Estimation of Association in a Two-Way Contingency Table
二维列联表关联结构的贝叶斯检验与估计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：摘要讨论通用列联表关联检验，没有明确的离散选择行为模型或其他所列领域应用。
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
二维列联表关联结构的贝叶斯检验与估计
- 研究问题
- 如何检验二维列联表的独立性、对称性等简单关联模型，并在模型不确定时估计关联参数及识别异常单元格？
- 方法与思路
- 作者在对数线性模型的交互项集合上定义先验，以贝叶斯检验评价简单假设，并用 Bayes 因子辅助关联参数估计。
- 材料陈述的贡献
- 摘要称方法可提供支持简单假设的证据度量，并使关联参数估计考虑假设模型是否成立的不确定性，另以多个表格示例说明。
- 阅读关注点
- 应核对交互项先验、不同假设的表示、Bayes 因子的计算，以及模型不确定性如何进入估计和异常单元格判断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明先验敏感性、计算细节或异常检测误差，所述优势不能视为普遍性能保证。
原文摘要
In a two-way contingency table, one is interested in checking the goodness of fit of simple models such as independence, quasi-independence, symmetry, and constant association, and estimating parameters that describe the association structure of the table. In a large table, one may be interested in detecting a few outlying cells that deviate from the main association pattern in the table. Bayesian tests of these hypotheses are described using a prior defined on the set of interaction terms of the log-linear model. These tests and associated estimation procedures have several advantages over classical fitting/estimation procedures. First, the tests can give measures of evidence in support of simple hypotheses. Second, the Bayes factors can be used to give estimates of association parameters of the table that allow for uncertainty that the hypothesized model is true. These methods are illustrated for a number of tables.