The convergence rate of the TM algorithm of Edwards & Lauritzen
Edwards与Lauritzen的TM算法收敛速率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：摘要讨论一般似然优化算法的收敛分析，未明确涉及所列经济计量细分方向。
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
Edwards与Lauritzen的TM算法收敛速率
- 研究问题
- 当条件似然可通过更易优化的完整似然求解时，TM算法自身若收敛，其速率如何表达，又在何种情形下需要线搜索？
- 方法与思路
- 作者用观测信息矩阵给出TM算法自身收敛速率的简单表达，并据此分析补充线搜索的必要性及其与完整模型拟合的关系。
- 材料陈述的贡献
- 摘要称，该表达式解释了算法在收敛时的速率，并说明需要线搜索的情形主要与完整模型不能充分拟合数据有关。
- 阅读关注点
- 阅读全文时应核对速率表达的适用条件、信息矩阵的定义，以及完整模型拟合不足与线搜索需求之间关系的精确表述。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；结果针对算法收敛时的速率，摘要未给出全局收敛保证或线搜索的具体实施规则。
原文摘要
Edwards & Lauritzen (2001) have recently proposed the TM algorithm for finding the maximum likelihood estimate when the likelihood can be truly or artificially regarded as a conditional likelihood, and the full likelihood is more easily maximised. They have presented a proof of convergence, provided that the algorithm is supplemented by a line search. In this note a simple expression, in terms of observed information matrices, is given for the convergence rate of the algorithm per se, when it converges, and the result elucidates also in which situations the algorithm will require a line search. Essentially these are cases when the full model does not adequately fit the data.