伯纳

缺失数据模型的蒙特卡罗似然推断。我们描述了一种蒙特卡罗方法来近似最大似然估计(MLE),当存在缺失数据且观测数据的似然性不可用时。该方法利用模拟缺失数据,这些数据是独立的、同分布的、独立于观测数据的。我们对极大似然估计的montecarlo近似是Kullback-Leibler信息的最小θ*的一致且渐近正态估计,因为montecarlo和观测数据样本量同时趋于无穷大。为构造θ*的置信域,提供了渐近方差的插入式估计。给出了logit正态广义线性混合模型的实例,用R包进行了计算。