冈桥，斋介;查尔斯·盖尔。 指数族中最大似然的长距离搜索。 （英语） Zbl 1336.62078号 电子。J.统计。 6, 123-147 (2012). 摘要：指数族通常用于对具有复杂相关性的数据集进行建模。当计算似然的费用很高时，最大似然估计量（MLE）可能很难估计。基于MCMC-MLE算法的马尔可夫链蒙特卡罗（MCMC）方法[C.J.盖尔和E.A.汤普森，“相关数据的约束蒙特卡罗最大似然”，J.R.Stat.Soc.，Ser。B54，第3期，657–699（1992），http://www.jstor.org/stable/2345852]从任何值开始，理论上都保证在一定条件下收敛，但在实际中，当给定一个较差的起始值时，这种算法可能会费力地收敛。我们提出了一种简单的线搜索算法，用于在MLE存在且唯一的情况下找到正则指数族的MLE。该算法可以从任何初始值开始，避免了与随机近似等校准算法相关的反复试验。与许多优化算法不同，该方法仅利用一阶导数信息，既不计算似然函数本身，也不计算高于一阶的导数。我们展示了算法在可以精确计算梯度的情况下的收敛性。当它做不到时，它有一种特别方便的形式，很容易用MCMC进行估计，使算法对从业者仍然有用。 引用于4文件 MSC公司： 10层62层 点估计 60J22型 马尔可夫链中的计算方法 关键词：马尔科夫蒙特卡洛;指数族;波茨;伊辛;指数随机图;随机近似 软件：能量管理;定子网;波茨;aster2号;mcmc公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Okabayashi}和\textit{C.J.Geyer}，电子。J.Stat.6，123--147（2012；Zbl 1336.62078） 全文： 内政部 欧几里得 参考文献： [1] Andrieu，C.、Moulines，E.和Priouret，P.（2005）。可验证条件下随机逼近的稳定性。，SIAM控制与优化杂志44 283-312·Zbl 1083.62073号 ·doi:10.1137/S0363012902417267 [2] Barndorff Nielsen，O.（1978）。，统计理论中的信息和指数族。约翰·威利父子公司·Zbl 0387.62011号 [3] Besag，J.（1974年）。空间相互作用与晶格系统的统计分析。，英国皇家统计学会期刊，B辑36 192-236·Zbl 0327.60067号 [4] Besag，J.（1975年）。非参数数据的统计分析。，统计学家24 179-195。 [5] Brown，L.D.（1986）。，统计指数族基础：在统计决策理论中的应用。加利福尼亚州海沃德数理统计研究所·Zbl 0685.6202号 [6] Chan，K.S.和Geyer，C.J.（1994年）。Tierney对论文的讨论。，统计年鉴22 1747-1758。 [7] 陈海峰（2002）。，随机逼近及其应用。多德雷赫特Kluwer学术出版社·Zbl 1008.62071号 [8] Fletcher，R.（1987）。，《优化的实用方法》，第二版，John Wiley&Sons出版社·Zbl 0905.65002号 [9] Geyer，C.J.（1990）。华盛顿大学可能性与指数族博士论文。 [10] Geyer，C.J.（1991）。马尔可夫链蒙特卡罗最大似然法。年，计算科学与统计：Proc。第23交响曲。接口（E.Keramidas，ed.）156-163。接口基础。 [11] Geyer，C.J.（1994）。关于Monte Carlo极大似然计算的收敛性。，英国皇家统计学会杂志，B辑56 261-274·Zbl 0784.62019号 [12] Geyer，C.J.（2009年a）。指数族中的似然推理与衰退方向。，电子统计杂志3 259-289·Zbl 1326.62070号 ·doi:10.1214/08-EJS349 [13] Geyer，C.J.（2009年b）。mcmc：马尔可夫链蒙特卡罗。R包装版本，0.7-3。 [14] Geyer，C.J.（2010）。aster2：阿斯特模型。R包装版本，0.1。 [15] Geyer，C.J.（2011）。MCMC简介。年，《马尔可夫链蒙特卡罗手册》（S.P.Brooks、A.E.Gelman、G.L.Jones和X.L.Meng编辑），查普曼和霍尔/CRC，佛罗里达州博卡拉顿·Zbl 1229.65014号 [16] Geyer，C.J.和Johnson，L.T.（2010年）。波茨：波茨模型的马尔可夫链蒙特卡罗。R包版本，0.4。 [17] Geyer，C.J.和Thompson，E.A.（1992年）。相依数据的约束蒙特卡罗最大似然。，英国皇家统计学会杂志，B辑54 657-699。 [18] Goodreau，S.M.（2007）。指数随机图（p*）模型在大型社交网络中的应用进展，社交网络29 231-248。 [19] Goodreau，S.M.、Kitts，J.A.和Morris，M.（2009年）。羽毛鸟，还是朋友的朋友？使用指数随机图模型调查青少年社交网络。，人口统计学46 103-125。 [20] Gu，M.G.和Zhu，H.T.（2001）。基于马尔可夫链蒙特卡罗随机逼近的空间模型最大似然估计。，英国皇家统计学会杂志，B辑63 339-355·Zbl 0979.62060号 ·doi:10.1111/1467-9868.00289 [21] Handcock，M.S.、Hunter，D.R.、Butts，C.T.、Goodreau，S.M.和Morris，M.（2003）。statnet：用于网络数据统计建模的软件工具。2.0版。项目主页位于。 [22] Hummel，R.、Hunter，D.R.和Handcock，M.S.（2010年）。宾夕法尼亚州立大学第10-03号ERGM技术报告拟合的步长算法。 [23] Hunter，D.R.、Handcock，M.S.、Butts，C.T.、Goodreau，S.M.和Morris，M.（2008）。ergm：用于拟合、模拟和诊断网络指数族模型的软件包。，统计软件杂志24。 [24] 伊辛·E（1925）。Beitra zur铁磁性理论。，Zeitschrift für Physik A强子和核子31 253-258。 [25] Jaynes，E.T.（1978年）。我们站在什么位置？年，《最大熵形式主义》（R.D.Levine和M.Tribus编辑），剑桥：马萨诸塞州理工学院出版社。 ·doi:10.1017/CBO9780511569678.003 [26] Jones，G.L.（2004）。关于马尔可夫链中心极限定理。，概率调查1 299-320·Zbl 1189.60129号 ·doi:10.1214/15495780410000051 [27] Kushner，H.J.和Yin，G.G.（1997）。，随机逼近算法及其应用。纽约州施普林格·Zbl 0914.60006号 [28] Lehmann，E.L.和Casella，G.（1998）。，点估计理论，第二版，施普林格·Zbl 0916.62017号 [29] Lehmann，E.L.和Romano，J.P.（2005）。，《检验统计假设》，第三版，施普林格出版社·兹比尔1076.62018 [30] Liang，F.（2010）。随机逼近MCMC算法的轨迹平均。，应用统计年鉴38 2823-2856·Zbl 1218.60064号 ·doi:10.1214/10-AOS807 [31] Moyeed，R.A.和Baddeley，A.J.（1991）。空间点模式最大似然估计的随机逼近。，斯堪的纳维亚统计杂志1839-50·Zbl 0723.62047号 [32] Nocedal，J.和Wright，S.J.（1999）。，数值优化，第一版，Springer·Zbl 0930.65067号 [33] Okabayashi，S.（2011年a）。明尼苏达大学社会网络模型中的参数估计博士论文。 [34] Okabayashi，S.（2011年b）。明尼苏达大学第686号技术报告“指数族最大似然的长期搜索”的支持理论和数据分析。 [35] Okabayashi，S.、Johnson，L.和Geyer，C.J.（2011年）。Potts模型的伪似然扩展。，中国统计局21 331-347·Zbl 1206.62158号 [36] Penttinen，A.（1984）。空间点模式中相互作用的建模：用最大似然法进行参数估计。，Jyväskylä计算机科学、经济学和统计学研究7。 [37] 波茨，R.B.（1952）。一些广义序-序变换。，剑桥哲学学会会刊48 106-109·Zbl 0048.45601号 ·doi:10.1017/S0305004100027419 [38] Rinaldo，A.、Fienberg，S.E.和Zhou，Y.（2009）。离散指数族的几何及其在指数随机图模型中的应用。，电子统计杂志3 446-484·兹比尔1326.62071 ·doi:10.1214/08-EJS350 [39] Robbins，H.和Monro，S.（1951年）。一种随机逼近方法。，数理统计年鉴22 400-407·Zbl 0054.05901号 ·doi:10.1214/aoms/1177729586 [40] Roberts，G.O.和Rosenthal，J.S.（1997年）。几何遍历性与混合马尔可夫链。，概率2中的电子通信13-25·Zbl 0890.60061号 ·doi:10.1214/ECP.v2-981 [41] Roberts，G.O.和Rosenthal，J.S.（2004）。一般状态空间马尔可夫链与MCMC算法。，概率调查1 20-71·Zbl 1189.60131号 ·doi:10.1214/15495780410000024 [42] Rockafellar，R.T.和Wets，R.J.-B.（2004）。，变异分析。校正后的第二次打印。柏林斯普林格·弗拉格·Zbl 0888.49001号 [43] Saul，Z.M.和Filkov，V.（2007年）。利用指数随机图模型探索生物网络结构。，生物信息学23 2604-02611。 [44] Shaw，R.G.、Geyer，C.J.、Wagenius，S.、Hangelbroek，H.H.和Etterson，J.R.（2008）。统一生活史分析以推断适合度和人口增长。，美国自然主义者172 E35-E47。 [45] Snijders，T.A.B.（2002年）。指数随机图模型的马尔可夫链蒙特卡罗估计。，社会结构杂志3。 [46] 斯特劳斯，D.和池田，M.（1990）。社交网络的伪似然估计。，美国统计协会杂志85 204-212·doi:10.1080/01621459.1990.10475327 [47] 孙伟、袁永新（2006）。，优化理论与方法：非线性规划。斯普林格·邮编1129.90002 ·doi:10.1007/b106451 [48] Swendsen，R.H.和Wang，J.S.（1987年）。蒙特卡罗模拟中的非通用临界动力学。，《物理评论快报》58 86-88。 [49] van Duijn，M.A.J.、Gile，K.J.和Handcock，M.S.（2009年）。指数族随机图模型最大伪似然估计与最大似然估计的比较框架。，社交网络31 52-62。 [50] Wang，J.S.和Swendsen，R.H.（1990）。聚类蒙特卡罗算法。，物理学A 167 565-579·doi:10.1016/0378-4371（90）90275-W [51] Wasserman，S.和Pattison，P.（1996年）。社会网络的Logit模型和Logistic回归：I.马尔可夫图和p*.导论。，《心理测量学》61 401-425·Zbl 0866.92029号 ·doi:10.1007/BF02294547 [52] Younes，L.（1988）。吉布斯场的估计和退火。，安·Inst.Henri Poincare 24 269-294·Zbl 0651.62091号 [53] Younes，L.（1989）。不完全观测吉布斯场的参数推断。，概率论及相关领域82 625-645·Zbl 0659.62115号 ·doi:10.1007/BF00341287 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。