Round Robin Analysis of Variance Via Maximum Likelihood
基于最大似然的循环配对设计方差分析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：摘要明确处理社会互动中的配对数据及双方行为依赖，与网络和互动数据分析直接相关。
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
基于最大似然的循环配对设计方差分析
- 研究问题
- 在比赛、锦标赛或社会互动的循环配对数据中，如何同时描述个体差异与互动双方行为的相互关联，并估计协方差分量？
- 方法与思路
- 作者构造一类双向随机效应模型，讨论线性效应推断，并提出基于EM的收敛算法求协方差分量最大似然估计，分析平衡数据。
- 材料陈述的贡献
- 摘要称模型除提供个体差异信息外，还刻画互动配对行为的相互关联，并给出协方差分量估计算法及一个平衡数据应用。
- 阅读关注点
- 应核对配对和方向性效应的定义、协方差结构及可识别条件，以及EM收敛的具体含义和平衡数据结果的适用范围。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；算法与应用结果未展开，配对相关不能直接解释为因果干扰，也未说明算法是否达到全局最大值。
原文摘要
A class of two-way random-effects models is presented for analyzing data that arise in a large variety of round robin designs. Examples of such designs can be found in numerous games, tournaments, and social interactions. The proposed models provide information not only about individual differences but also about the mutual contingency of the behaviors of interaction dyads. The statistical inference of the linear effects is discussed and a converging algorithm based on the EM algorithm is proposed for obtaining the maximum likelihood estimates of the covariance components. A balanced data set is analyzed using the methodology developed.