查尔斯·E·麦卡洛克。 广义线性混合模型的最大似然算法。 (英语) Zbl 0889.62061号 美国统计协会。 92,编号437,162-170(1997). 概述:描述了广义线性混合模型的最大似然算法。我展示了如何构建一个蒙特卡罗版本的EM算法,提出了一个蒙特卡洛Newton-Raphson算法,并评估和改进了重要抽样思想的使用。对于以前没有的各种各样的问题,计算最大似然估计是可行的。我还使用Newton-Raphson算法作为一个框架,将最大似然法与“联合最大化”或惩罚拟似然法进行比较,并解释为什么后者表现不佳。 引用于1审查引用于184文件 MSC公司: 62J12型 广义线性模型(逻辑模型) 65C99个 概率方法,随机微分方程 10层62层 点估计 65二氧化碳 蒙特卡罗方法 关键词:重要性抽样;Metropolis-Hastings算法;蒙特卡洛EM;惩罚准似然;模拟最大似然;Newton-Raphson算法 PDF格式BibTeX公司 XML格式引用 \textit{C.E.McCulloch},J.Am.Stat.Assoc.92,No.437,162--170(1997;Zbl 0889.62061) 全文: 内政部 链接