A Fast and Efficient Algorithm for the Estimation of Parameters in Models with the Box-and-Cox Transformation
含Box–Cox变换模型参数估计的快速高效算法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦变换模型的通用数值优化，未提供所列计量领域的直接对象，不能按参数估计字样分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
含Box–Cox变换模型参数估计的快速高效算法
- 研究问题
- 含Box–Cox变换的模型同时包含线性参数与幂变换参数时，如何简化极大似然估计的优化问题并提高计算速度？
- 方法与思路
- 作者将线性参数和幂变换参数的极大似然估计化为仅针对幂参数的非线性最小二乘问题，并采用修改的Newton算法。
- 材料陈述的贡献
- 摘要称在所比较的模型中，该算法得到与三种其他梯度方法相同的参数估计，计算快二至四倍；这一比较限于文中设定。
- 阅读关注点
- 应核对优化问题等价改写的条件、线性参数如何恢复，以及Newton算法的修改、初值、停止标准和速度比较口径。
- 阅读边界
- 摘要未说明模型条件、硬件或速度结果的适用范围；来源为版本未注明的OpenAlex索引摘要，不能推断刊本变化。
原文摘要
A modified Newton algorithm for the estimation of parameters in models containing the Box-Cox transformation is presented. It is shown that the usual maximum likelihood estimator for the k linear parameters and the m power transformation parameters may be specified as an m-parameter nonlinear least squares estimator. Several models containing Box-Cox transformations are estimated and the speed and efficiency of the modified algorithm compared with three other gradient estimation techniques. The modified Newton algorithm obtains the same parameter estimates, but two to four times faster.