Association Models and Canonical Correlation in the Analysis of Cross-Classifications Having Ordered Categories
有序类别交叉分类分析中的关联模型与典型相关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：摘要研究有序交叉分类表的关联与独立性检验，未提供离散选择行为建模的直接依据。
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
有序类别交叉分类分析中的关联模型与典型相关
- 研究问题
- 对于具有有序类别的交叉分类表，关联模型与典型相关如何生成类别分数和卡方分解，其分量显著性检验有何区别？
- 方法与思路
- 作者重新表述既有关联模型以便与典型相关比较，考察两者的行列类别分数及独立性卡方统计量的分量检验。
- 材料陈述的贡献
- 摘要称，典型相关所得卡方分量不能沿用通常的显著性检验程序，而关联模型所得分量存在有效且直接的对应检验程序。
- 阅读关注点
- 应核对关联模型与类别分数的定义、卡方分解方式、通常检验失效的原因，以及有效检验依赖的模型与抽样条件。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；检验成立条件未说明，有序分类表的关联分析不能直接解释为离散选择或因果效应。
原文摘要
The association models considered in Goodman (1979a) for the analysis of cross-classifications having ordered categories are presented in a somewhat different form in the present article to facilitate comparison of the results obtained using these models with those obtained using the earlier canonical correlation approach. Both the association models and the canonical correlation approach can provide meaningful scores for the row and column categories, and these scores can be used to partition into relevant components the usual chi-squared statistic for testing the null hypothesis of statistical independence between the row classification and column classification. However, while the usual procedure for testing the statistical significance of chi-squared components is invalid when these components are based on the canonical correlations, a corresponding procedure is valid when these components are obtained with the association models. The components of association obtained with the association models can be tested in a straightforward manner.