An approximation to maximum likelihood estimates in reduced models
约束子模型中最大似然估计的近似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：摘要提出一般似然估计近似，所列应用不足以对应任何指定的计量领域细分。
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
约束子模型中最大似然估计的近似
- 研究问题
- 能否利用含有额外参数的扩展模型估计结果，近似获得较小模型的最大似然估计，从而减少重新拟合的工作？
- 方法与思路
- 作者从扩展模型的参数估计与信息矩阵构造子模型的估计近似；摘要指出，数据与子模型相容时近似较接近。
- 材料陈述的贡献
- 摘要提供一种利用扩展模型结果近似子模型估计的方法，并讨论离散数据对数线性模型、特殊协方差及混合数据模型。
- 阅读关注点
- 应核对模型间约束如何表达、近似公式需要哪些信息矩阵，以及数据与子模型相容的判断方式和近似误差界限。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未说明近似阶数、误差大小或失效情形，也不足以将离散数据应用归为离散选择。
原文摘要
An approximation to the maximum likelihood estimates of the parameters in a model can be obtained from the corresponding estimates and information matrices in an extended model, i.e. a model with additional parameters. The approximation is close provided that the data are consistent with the first model. Applications are described to log linear models for discrete data, to models for multivariate normal distributions with special covariance matrices and to mixed discrete-continuous models.