Computing Extended Maximum Likelihood Estimates for Linear Parameter Models
线性参数模型中扩展最大似然估计的计算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：摘要涉及广泛回归型模型的通用计算，未明确限定离散选择或其他所列细分领域。
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…
线性参数模型中扩展最大似然估计的计算
- 研究问题
- 当似然上确界处一个或多个参数估计发散到无穷时，如何识别这些成分，并计算其余有限参数的扩展最大似然估计？
- 方法与思路
- 作者提出两步计算：先用线性规划识别无限参数成分，再通过常规函数优化求有限成分，并允许存在干扰参数。
- 材料陈述的贡献
- 摘要称方法适用于独立观测且参数线性关联的一大类回归型模型，包括广义线性模型，并给出两个算法和例子。
- 阅读关注点
- 应核对无限成分的识别条件、线性规划问题的构造，以及两个算法的差异、干扰参数处理和有限成分优化。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明算法细节和完整模型限制，不能推断其对全部回归模型或离散选择模型适用。
原文摘要
SUMMARY Methods are given for computing extended maximum likelihood estimates in which one or more parameter estimates are infinite at the supremum of the likelihood. The results are given for a broad class of regression-like models based on independent observations with linearly related parameters including, in particular, the generalized linear models. The estimation consists of two steps: A linear programming step to identify the infinite components and a more conventional function optimization step to optimize the remaining finite components. Provision is made for nuisance parameters. Two algorithms are presented and examples illustrating their use are given.