文献

J-GLOBAL ID：201902255197093628   整理番号：19A1076301

複雑な調査のためのカテゴリーデータの分析【JST・京大機械翻訳】

Analysis of Categorical Data for Complex Surveys

著者 (1件)： Skinner Chris (Department of Statistics, London School of Economics and Political Science, London, WC2A 2AE, UK)
資料名： International Statistical Review  (International Statistical Review)
巻： 87 Suppl S1  ページ： S64-S78  発行年： 2019年 
JST資料番号： W2195A  ISSN： 0306-7734  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,カテゴリー調査データを分析するとき,複雑なサンプリング方式を扱うための方法をレビューした。一般的に,複雑なサンプリング方式は,これらのパラメータに関する推論を行うための方法論だけではなく,関心のあるパラメータの仕様に影響しないと仮定されている。本論文の組織化は緩い年代である。ユニットレベルデータの解析に移動する前に,偶発的なテーブルデータを最初に強調した。二方向表に対する方法とともに1970年代半ばに導入された加重最小二乗法は,早期注意を受ける。それらは,最大尤度,特に擬似最尤法推定に基づくより一般的な方法に従う。点推定法は,典型的には,いくつかの方法で調査重みの使用を含んでいる。分散推定法を広い用語で記述した。特に試験方法に重点を置いた。考慮した主なモデリング法は対数線形モデル,ロジットモデル,一般化線形モデルおよび潜在的変数モデルである。マルチレベルモデルの範囲はない。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  最尤法 ,  ロジットモデル ,  最小二乗法 ,  *モデル
準シソーラス用語： 加重 ,  マルチレベル ,  一般化線形モデル ,  対数線形モデル ,  試験方法 ,  分散推定 ,  加重最小二乗法 , 【Automatic Indexing@JST】

著者キーワード (5件)： 擬似最尤 ,  Rao-Scott調整 ,  スコアテスト ,  調査重量 ,  加重最小二乗

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 調査 ,  カテゴリー ,  分析