• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Maximum likelihood computation for fitting semiparametric mixture models
【24h】

Maximum likelihood computation for fitting semiparametric mixture models

机译：拟合半参数混合模型的最大似然计算

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Three general algorithms that use different strategies are proposed for computing the maximum likelihood estimate of a semiparametric mixture model. They seek to maximize the likelihood function by, respectively, alternating the parameters, profiling the likelihood and modifying the support set. All three algorithms make a direct use of the recently proposed fast and stable constrained Newton method for computing the nonparametric maximum likelihood of a mixing distribution and employ additionally an optimization algorithm for unconstrained problems. The performance of the algorithms is numerically investigated and compared for solving the Neyman-Scott problem, overcoming overdispersion in logistic regression models and fitting two-level mixed effects logistic regression models. Satisfactory results have been obtained.
机译：提出了三种使用不同策略的通用算法来计算半参数混合模型的最大似然估计。他们试图通过交替更改参数，分析似然度并修改支持集来最大化似然函数。所有这三种算法都直接利用了最近提出的快速稳定的约束牛顿法来计算混合分布的非参数最大似然，并针对非约束问题另外采用了一种优化算法。对该算法的性能进行了数值研究，并进行了比较，以解决Neyman-Scott问题，克服逻辑回归模型中的过度分散以及拟合两级混合效应逻辑回归模型的问题。已经获得满意的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号