A comparison of iterative methods for obtaining maximum likelihood estimates in contingency tables with a missing diagonal
对角线缺失列联表中最大似然估计的迭代方法比较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：摘要讨论一般列联表模型的数值求解，没有离散选择或其他经济细分方向的明确依据。
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
对角线缺失列联表中最大似然估计的迭代方法比较
- 研究问题
- 对于对角线缺失或被排除的列联表，怎样估计准独立模型参数，几种迭代求解方法在所考察情形中的效率有何差异？
- 方法与思路
- 作者比较四种最大似然求解方法，其中两种源自EM算法，另外两种分别为Newton–Raphson方法与迭代比例调整。
- 材料陈述的贡献
- 摘要称在经验比较中迭代比例调整最不高效；所给材料未报告另外三种方法的排序，也未给出计算差距或普遍性结论。
- 阅读关注点
- 应核对缺失与排除对角线的建模区别、四种更新规则，以及效率指标、初始值、停止准则和比较所用的列联表配置。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，文本含拼写损坏；效率结论来自经验比较，不能视为普遍算法排序或统计效率定理。
原文摘要
This paper considers maximum likelihood estimation for the parameters of quasiindepen-dence in a contingency table with a miiming or excluded diagonal. Two of the methods discussed derive from the em algorithm of Dempster, Laird & Rubin (1977), the other two methods being Newton-Raphson and iterative scaling. Iterative scaling is found, empirically, to be the least efficient method.