资源描述：
《列联表中对数线性模型的选择》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、列联表中对数线性模型的选择摘要列联表的统计分析和模型选择都是一个古老而时新的课题。在有关模型选择的问题上，存在两种比较普遍的方法，一种是逐步测试法(stepwise)，另一种是对所有可能的模型进行拟合，然后再从中筛选。第一种力祛是选择简洁模型的典型方法。但该方法需要将总的置信水平分配至咯层检验模型，如果分配不当可能会使一些拟合较优的模型被漏选，因此使用该方法筛选出的模型只能是最简的(参数最少)而非拟合最优的。对较大规模模骇或模型拟合的计算量比较大时，第二种方法就显得缺乏可行性。文章在结合其他学者提出的模型选择的方法基础上提出了两种列联表下对数线性模型的选择方法。一种是利用EDWARDS
2、和HAVRANK于1987年提出的针对大规模模型族的快速模型选择方法(以下简称EH方法，将所有模型分成两大类州一一接受类和拒绝类:然后利用Akaike提出的AIC准则，从接受类中挑出“最佳”模型。另一种是从列联表的边际分布出发，由适合边际分布的模型所对应的关系示意图来推测总列联表的关系示意图，然后在不佣似然比和AIC准则来选择适合总列联表的模型。关键词:列联表，对数线性模型，示意图，AIC准则，边际分布，EH方法，比列迭代法。LOG-LINEARMODELRFr,FCIIONINrrwCONTINGECY1ART,FcABSTRACTThestatisticalanalysisandm
3、odelselectionin此contingencytablesarenotonlyoldsub扛ts,butalsonewtopics.Therearetwocommonmethodsonthemodelselection,oneisstepwise,the团”一isfittingallpossiblemodelsandthenselectfromthemThefastprocedureneedtodecomposethesignificancelevelandassignedtoalthehierarchicaltests.Theproceduretypicalyselectso
4、neparsimoniousmodel,butmayoverlookotherequalyplausible,models.hatingallpossiblemodelsmaynotfeasiblewhenthemodelfamilyislargeorfittingrequiresmuchcomputationInourarticle,twonewmethodsonthemodelselectionareadvisedbasicsomemethodsadvocated勿somestatisticianQ℃method议accordingto此fastmodelselectionproc
5、edure仃largefamiliesofmodelsadvised妙MWARDSandHAVRANKin1987成此possiblemodelscanbeseparatedintoacceptedandrejectedmodels,andthenthe"best"modelisselectedoutfromtheacceptedmodelsbyAICrules.Theothermethod议wecan酗thegeneralcontingencytable'sassociationdiagrambasealltheassociationdiagramsofthemodelsfittin
6、gto此suficientma嗜naltables,andthenselectoutthebestmodelfromallthemodelsthatfitthegeneralcontingencytable厉likelihood-ratiotestandAICrules.KEYWORDS:contingencytable,log-linearmodel,associationdiagram,AICrule,marginaltable,EHmethod,iterativeproportionalfitting.引言对数线性模型可分成三大类，它们分别是直接模型(Directmodel),图
7、示模型(Graphicalmodel)和层系模型(Hierarchicalmodel)。对上述各类模型的选择，统计学家们分别进行了深入的探讨，如Goodman(1971a,1973),Brown(1976),BenedettiandBrown(1978)和EdwardsandHavranek(1985,1987)讨论了层系模型的选择;EdwardsandKreiner(1983),Havranek(1984)和EewardsandHavrane
