Quasi-Likelihood and Generalizing the Em Algorithm
拟似然与 EM 算法的推广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：摘要讨论不完整数据下的一般估计函数与算法扩展，未提供因果、面板、选择或其他所列领域的直接证据。
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
拟似然与 EM 算法的推广
- 研究问题
- 在存在缺失或不完整数据、又无法获得完整似然的情况下，能否保留 EM 的迭代思路并通过一般估计函数进行估计？
- 方法与思路
- 作者以拟得分的投影替代通常的 E 步，以求解估计方程替代 M 步，从而把 EM 思路推广到一般估计函数。
- 材料陈述的贡献
- 摘要称，该扩展能够处理基于一般估计函数、尤其拟得分的估计；当似然可得时，标准 EM 是其一个特例。
- 阅读关注点
- 应核对投影所用的空间与条件、每一步估计方程的可解性，以及算法收敛性质是否具有类似标准 EM 的保证。
- 阅读边界
- 仅据所给 Crossref 摘要；投影细节、收敛条件、缺失机制和效率比较均未说明，不能推断其他版本的结论。
原文摘要
SUMMARY This paper is concerned with situations in which there are missing or otherwise incomplete data and the full likelihood may not be available. Extensions of the EM algorithm are developed to deal with estimation via general estimating functions and in particular the quasi-score. The E-step is replaced by projecting the quasi-score and the M-step requires the solution of an estimating equation. The standard EM algorithm can be obtained as a particular case if the likelihood is available.