Christian N.布林奇。 通过显式参数相关重要抽样进行有效的模拟最大似然估计。 (英语) Zbl 1304.65018号 计算。斯达。 27,第1期,13-28(2012). 摘要:基于理论和实证结果,统计文献中存在对模拟最大似然算法性能的总体负面评估。同时,也存在一些非常成功的应用程序。本文通过将该算法与“简单重要性采样器”(不显式依赖于参数的采样器)耦合来解释负面评估。文献中的成功应用基于显式参数相关重要性采样器。简单重要性采样器可以有效地模拟似然函数值,但不能有效地模拟分数函数,这是有效模拟最大似然的关键。通过将拉普拉斯重要性抽样应用于经典蝾螈交配模型,阐明了理论要点。 引用于2文件 MSC公司: 62-08 统计问题的计算方法 关键词:重要性抽样;蝾螈交配模型;基于仿真的估计 软件:SsfPack系列 PDF格式BibTeX公司 XML格式引用 \textit{C.N.布林奇},计算。Stat.27,No.1,13--28(2012;Zbl 1304.65018) 全文: 内政部 链接 参考文献: [1] Booth JG,Hobert JP(1999)使用自动蒙特卡罗EM算法最大化广义线性混合模型的可能性。J R Stat Soc B系列61(1):265–285·Zbl 0917.62058号 ·doi:10.1111/1467-9868.00176 [2] Durbin J,Koopman SJ(1997)非高斯状态空间模型的蒙特卡罗最大似然估计。生物医学84(3):669–684·Zbl 0888.62086号 ·doi:10.1093/biomet/84.3.669 [3] Durbin J,Koopman SJ(2000)基于经典和贝叶斯观点的状态空间模型的非高斯观测的时间序列分析。J R Stat Soc B系列62:3–56·Zbl 0945.62084号 ·doi:10.1111/1467-9868.00218 [4] Gelfand AE,Carlin BP(1993)约束或缺失数据模型的最大似然估计。Can J统计21(3):303–311·Zbl 0785.62058号 ·doi:10.2307/3315756 [5] Geweke J(1989)使用蒙特卡罗积分的计量经济模型中的贝叶斯推断。计量经济学57(6):1317–1339·Zbl 0683.62068号 ·doi:10.2307/1913710 [6] Geweke J(1991)基于线性约束的多元正态分布和Student-t分布的有效模拟以及约束概率的评估。摘自:《计算机科学与统计:第二十三届接口研讨会论文集》,第571-78页 [7] Geyer CJ,Thompson EA(1992)相关数据的约束蒙特卡罗最大似然。J R Stat Soc B系列54(3):657–699 [8] Hajivassiliou V(1990)面板数据LDV模型的平滑模拟估计。纽黑文耶鲁大学经济系 [9] Hajivassiliou V,Ruud P(1994)使用模拟的ldv模型的经典估计方法。收录:Engle RF,McFadden D(eds)《计量经济学手册》,第4卷。北荷兰,阿姆斯特丹 [10] Jank W(2006)在线零售应用中的有效模拟最大似然。统计计算16(2):111–124·doi:10.1007/s11222-006-6890-9 [11] Jank W,Booth J(2003)Monte Carlo EM的效率和两阶段层次模型中的模拟最大似然。J计算图表统计12(1):214–229·doi:10.1198/1061860031338 [12] Karim MR,Zeger SL(1992)具有随机效应的广义线性模型;蝾螈交配重温。生物统计学48(2):631–644·doi:10.2307/2532317 [13] Keane MP(1993)有限因变量面板数据模型的模拟估计。Handb统计11:545–571·doi:10.1016/S0169-7161(05)80055-0 [14] Koopman SJ,Shephard N,Doornik JA(1999)使用ssfpack 2.2的状态空间模型的统计算法。经济学杂志2(1):107–160·Zbl 0935.91034号 ·doi:10.1111/1368-423X.00023 [15] Koopman SJ、Shephard N、Creal D(2009年),测试重要性抽样背后的假设。《经济学杂志》149(1):2-11·Zbl 1429.62681号 ·doi:10.1016/j.jeconom.2008.10.002 [16] Kuk AYC(1999)广义线性混合模型的拉普拉斯重要性抽样。统计模拟杂志63(2):143–158·Zbl 0956.62052号 ·网址:10.1080/00949659908548522 [17] Kuk AYC,Cheng YW(1999)蒙特卡罗最大似然估计中的点态和函数逼近。统计计算9(2):91–99·doi:10.1023/A:1008800715000 [18] Lin X,Breslow NE(1996)具有多个离散分量的广义线性混合模型中的偏差校正。美国统计协会J Am Stat Assoc 91:1007–1016·Zbl 0882.62059号 ·doi:10.1080/01621459.1996.10476971 [19] McCullagh P,Nelder JA(1989)《广义线性模型》,第二版,查普曼和霍尔出版社,伦敦·Zbl 0744.62098号 [20] McCulloch CE(1997)广义线性混合模型的最大似然算法。美国统计协会92:162–170·Zbl 0889.62061号 ·doi:10.1080/01621459.1997.10473613 [21] McCulloch CE、Searle SR(2001)广义、线性和混合模型。威利,伦敦 [22] Pinheiro JC,Bates DM(1995)非线性混合效应模型中对数似然函数的近似。J计算图统计4(1):12–35 [23] Richard JF,Zhang W(2007)高效高维重要性抽样。《经济学杂志》141(2):1385–1411·Zbl 1420.65005号 ·doi:10.1016/j.econom.2007.02.007 [24] Robert CP,Casella G(2004)蒙特卡罗统计方法。柏林施普林格·Zbl 1096.62003年 [25] Shun Z(1997)蝾螈交配数据的另一种研究:改进的拉普拉斯近似方法。美国统计协会杂志92(437):341–349·Zbl 1090.62515号 ·doi:10.1080/01621459.1997.10473632 [26] Skaug HJ(2002)在非线性随机效应模型中促进最大似然估计的自动微分。J计算图表统计11:458–470·Zbl 04576089号 ·doi:10.1198/106186002760180617 [27] Skaug HJ,Fournier DA(2006)非高斯层次模型中边际似然的自动近似。计算统计数据分析51(2):699–709·Zbl 1157.65317号 ·doi:10.1016/j.csda.2006.03.005 [28] Stern S(1997)基于模拟的估计。《经济学杂志》35(4):2006–2039 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,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。