ESTIMATION PROBLEMS FOR ORDERED CATEGORICAL DATA

有序分类数据出现在健康科学中。 我们提出 对数线性模型应用问题的统计研究 分析有序数据。 我们建议发展的保序估计方法的协会 对数线性模型中的参数。 这些方法将使研究人员能够 获得参数估计，其排序既反映了 类别，并意味着一种类型的单调性的关联。 我们还建议发展和比较估计细胞的方法 稀疏有序数据的比例。 序对数线性 各种平滑过程中的模型将使研究人员能够采取 利用额外的普通信息。 如果时间允许，还需要研究的其他问题包括： 有序变量的多维对数线性模型， 标准化关联参数，以及功效和稳健性研究， 简单有序对数线性模型

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.