On the rate of convergence of the ECME algorithm for multiple regression models with t-distributed errors
具有 t 分布误差的多元回归模型中 ECME 算法的收敛速度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：摘要聚焦通用回归模型的优化算法，未明确涉及所列经济领域细分。
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
具有 t 分布误差的多元回归模型中 ECME 算法的收敛速度
- 研究问题
- 在具有 t 分布误差的回归模型中，EM 与 ECME 算法的收敛速度受哪些机制和因素影响，应如何比较其计算表现？
- 方法与思路
- 作者围绕最大似然估计的计算，使用两种数据增广方案及 EM、ECME 的变体，分析算法的收敛速度与性质。
- 材料陈述的贡献
- 摘要称通过比较不同增广方案及算法变体，提供对 EM 与 ECME 收敛表现的更综合理解，但未给出具体比较结论。
- 阅读关注点
- 核对两种增广方案的构造、收敛速度的定义、模型参数对速度的影响，以及不同算法比较所采用的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明速度公式或数值结果，不能断言 ECME 在所有情形下更快。
原文摘要
Although much work has been done on comparing and contrasting the EM and ECME algorithms, in terms of their rates of convergence, it is not clear what mechanism underlies each and, furthermore, what factors may determine and influence their rates of convergence. In this paper, we examine the convergence rates and properties of these two popular optimisation algorithms as used in computing the maximum likelihood estimates from regression models with t-distributed errors. By approaching this computing problem through the use of two data augmentation schemes, as well as variations of these well-known algorithms, we offer a more composite view on the performance of each.