ESTIMATION PROBLEMS FOR ORDERED CATEGORICAL DATA

有序的分类数据出现在健康科学中。我们建议 关于对数线性模型在我国应用中若干问题的统计研究 分析有序数据。 我们建议开发关联的保序估计的方法。 对数线性模型中的参数。这些方法将使研究人员能够 获得其排序既反映了 分类并暗示关联中的一种类型的单调性。 我们还建议开发和比较估计细胞的方法。 稀疏序号数据的比例。合并序数对数线性 各种平滑过程中的模型将使研究人员能够 超常规信息的优势。 在时间允许的情况下，需要研究的其他问题包括 有序变量的多维对数线性模型的构造 标准化的关联参数，以及功率和稳定性研究 简单序数对数线性模型。

Ordinal categorical data occur in the health sciences. We propose statistical research on problems concerning the use of loglinear models for analyzing ordinal data. We propose to develop methods for the isotonic estimation of association parameters in loglinear models. These methods will allow researchers to obtain parameter estimates whose ordering both reflects the ordering of categories and implies a type of monotonicity in the association. We also propose to develop and compare methods of estimating cell proportions for sparse ordinal data. Incorporating ordinal loglinear models in various smoothing processes will enable researchers to take advantage of the extra ordinality information. Other problems to be studied, time permitting, include development of multidimensional loglinear models for ordinal variables, construction of standardized association parameters, and power and robustness studies for simple ordinal loglinear models.