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