基于排序模型显著性质的新算法与拟合优度诊断方法
统计方法学
2020-03-17 v1
摘要
前向顺序假设假定物品的排序过程是通过从顶部（最喜欢）到底部（最不喜欢）依次分配位置来进行的。该假设近来被扩展 Plackett-Luce 模型（EPL）通过引入描述排序路径的离散参考顺序参数而放宽。从 EPL 的两个形式化性质出发——前者与排序过程首末阶段物品概率的逆序相关，后者即众所周知的无关备选项独立性（或称 Luce 选择公理）——我们推导了新颖的诊断工具，用于检验 EPL 假设作为观测排序实际抽样分布的适用性。除了填补多阶段模型族拟合优度方法的空白外，我们还展示了如何利用两个统计量之一方便地构造一种启发式方法，以替代最大似然方法来推断底层参考顺序参数。通过大量仿真研究，说明了所提方法与更常规方法相比的相对性能。
引用
@article{arxiv.2003.06512,
title = {New algorithms and goodness-of-fit diagnostics from remarkable properties of ranking models},
author = {Cristina Mollica and Luca Tardella},
journal= {arXiv preprint arXiv:2003.06512},
year = {2020}
}
备注
19 pages, 3 tables, 1 figure