格林，P.J。 迭代重加权最小二乘法用于最大似然估计，以及一些稳健且有抵抗力的替代方案。 （英语） Zbl 0555.62028号 J.R.Stat.Soc.，塞尔维亚。B类 46149-192（1984年）. 本文概述了“迭代加权最小二乘法”（IRLS）算法及其在统计估计问题中的应用，该算法适用于标题中提到的各种估计标准。IRLS的广泛适用性取决于这样一个事实，即在许多情况下，Newton-Raphson和评分算法可以写为IRLS。一个众所周知的例子是广义线性模型中的最大似然估计。本文表明IRLS可以应用于其他模型、非线性参数化和相关观测。讨论了IRLS的一些数值特性和数值分析中已知的数值更稳定的变量。下文简要介绍了替代优化算法。审核人：L.Fahrmeir公司 引用于1审查引用于92文件 MSC公司： 10层62层 点估计 62J99型 线性推断、回归 62J02型 一般非线性回归 65C99个 概率方法，随机微分方程 62层35 鲁棒性和自适应程序（参数推断） 关键词：费舍尔得分;拟似然;稳健回归;抗性回归;残余沉积物;概述;迭代加权最小二乘法;牛顿法;评分算法;最大似然估计;广义线性模型;非线性参数化;相关观测;优化算法 PDF格式BibTeX公司 XML格式引用 \textit{P.J.Green}，J.R.Stat.Soc.，Ser。B 46，149--192（1984；Zbl 0555.62028）