Problems of Convergence of Maximum Likelihood Iterative Procedures in Multiparameter Situations
多参数情形下最大似然迭代程序的收敛问题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：摘要聚焦通用最大似然数值迭代与寿命回归，没有给定经济领域细分的直接证据。
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
多参数情形下最大似然迭代程序的收敛问题
- 研究问题
- 多参数最大似然估计的迭代收敛为何可能高度依赖初始值，在指数寿命回归模型中应如何调整迭代所用的曲率信息？
- 方法与思路
- 作者以指数寿命模型为例，其指数参数的倒数线性依赖回归变量，并建议交替使用对数似然二阶导数的观测值与期望值。
- 材料陈述的贡献
- 摘要展示初始参数选择对收敛的重要影响，并提出切换二阶导数信息的策略；示例采用回归变量无效应所对应的初值。
- 阅读关注点
- 应核对交替策略的触发规则、参数可行域与停止准则，并区分示例中的收敛表现、局部收敛条件和全局收敛保证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出一般收敛定理或失败率，不能认定该策略总能收敛。
原文摘要
In multiparameter situations there are important problems of convergence in the solution of maximum likelihood iterative equations. Convergence may be critically dependent on the initial parameter estimates employed. These problems are indicated specifically for a model of exponentially-distributed lifetimes where the reciprocal of the exponential parameter is linearly dependent on various regressor variables. A strategy is suggested based on alternative use of observed or expected values for the sample second derivative of the log likelihood. For the examples shown the initial parameter estimates correspond to no effect for the regressor variables, this being equivalent in some cases to making an unweighted fit to the data.