导读:本文包含了最大惩罚似然估计论文开题报告文献综述及选题提纲参考文献，主要关键词:混合回归,惩罚最大似然估计量,强相合,渐近正态
最大惩罚似然估计论文文献综述
徐建军,谭鲜明,张润楚[1]（2019）在《一种惩罚最大似然方法估计混合回归模型》一文中研究指出本文考虑具有正态误差假设下混合回归模型的参数估计问题.由于似然函数的无界性,混合回归模型普通的最大似然估计不存在.本文提出一种惩罚最大似然方法来估计混合回归模型的参数,证明惩罚最大似然估计量(penalized maximum likelihood estimation, PMLE)具有强相合和渐近正态性.通过深入模拟研究,从估计精确性角度看,惩罚最大似然估计量有很好的表现.本文还给出一个音调感知的例子来说明理论结果的应用.(本文来源于《中国科学:数学》期刊2019年08期）
韩婷[2]（2013）在《Firth惩罚最大似然估计在logistic回归中解决分离问题时的应用》一文中研究指出目的在拟合logistic回归模型过程中,当样本量较小,尤其是解释变量较多,数据分布不均衡,不满足渐近统计推断前提时,会出现分离问题,此时模型的最大似然估计不存在或者不可靠。本文旨在介绍解决分离问题的Firth惩罚最大似然估计法,将其应用到多分类logistic回归分析中。方法Firth惩罚最大似然估计方法的基本思想是在得分函数中加入惩罚项,从而将参数最大似然估计值的偏差减少。本文介绍了其方法及原理,结合实际问题介绍其在logistic回归中解决分离问题时的应用。用SAS及R软件对3个实际数据分别进行二分类logistic及多分类logistic回归分析,将该方法与最大似然估计及确切logistic回归结果进行比较。结果通过对一般logistic小样本数据、二分类logistic分离数据及多分类logistic分离数据的分析,结果显示在最大似然可以得出参数估计值的情况下,参数估计值标准误的大小顺序均为惩罚最大似然估计最小,确切logistic其次,最大似然估计最大。分离数据的分析显示,在最大似然估计不能得出参数有效估计值的情况下,确切logistic回归及惩罚最大似然估计均能得出有效参数估计值。惩罚最大似然估计的参数估计值、标准误及P值均比最大似然估计的值小,确切logistic回归的参数估计值比惩罚最大似然估计值略小,其可信区间比惩罚最大似然估计结果宽。结论在分离数据中,确切logistic及惩罚最大似然估计均能得出有效值,但由于确切logistic的计算复杂,可能出现过条件及条件似然退化等问题,更加推荐使用Firth最大似然估计解决分离问题。在最大似然可以得出有效估计值的情况下,样本偏小,最大似然估计容易导致参数估计偏高。(本文来源于《山西医科大学》期刊2013-05-30）
刘伯芹,马尽文[3]（2003）在《混合高斯模型的熵惩罚最大似然估计与自动模型选择》一文中研究指出有限高斯混合模型是一种重要的概率模型,并在聚类分析,模式识别和信号处理等方面有着广泛的应用。在高斯(即正态)分量个数K未知时,仅仅根据样本数据来确定K是一个非常困难的问题。这实际上是一个模型选择问题,直接影响着应用的效果。为了解决这一模型选择问题,本文在一维混合高斯模型下提出了基于熵惩罚最大似然估计的梯度算法。实验表明这种算法能够在参数估计过程中自动实现模型选择,使得多余高斯分量的混合比例系数衰减为零。(本文来源于《第十一届全国信号处理学术年会（CCSP-2003）论文集》期刊2003-08-01）
最大惩罚似然估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的在拟合logistic回归模型过程中,当样本量较小,尤其是解释变量较多,数据分布不均衡,不满足渐近统计推断前提时,会出现分离问题,此时模型的最大似然估计不存在或者不可靠。本文旨在介绍解决分离问题的Firth惩罚最大似然估计法,将其应用到多分类logistic回归分析中。方法Firth惩罚最大似然估计方法的基本思想是在得分函数中加入惩罚项,从而将参数最大似然估计值的偏差减少。本文介绍了其方法及原理,结合实际问题介绍其在logistic回归中解决分离问题时的应用。用SAS及R软件对3个实际数据分别进行二分类logistic及多分类logistic回归分析,将该方法与最大似然估计及确切logistic回归结果进行比较。结果通过对一般logistic小样本数据、二分类logistic分离数据及多分类logistic分离数据的分析,结果显示在最大似然可以得出参数估计值的情况下,参数估计值标准误的大小顺序均为惩罚最大似然估计最小,确切logistic其次,最大似然估计最大。分离数据的分析显示,在最大似然估计不能得出参数有效估计值的情况下,确切logistic回归及惩罚最大似然估计均能得出有效参数估计值。惩罚最大似然估计的参数估计值、标准误及P值均比最大似然估计的值小,确切logistic回归的参数估计值比惩罚最大似然估计值略小,其可信区间比惩罚最大似然估计结果宽。结论在分离数据中,确切logistic及惩罚最大似然估计均能得出有效值,但由于确切logistic的计算复杂,可能出现过条件及条件似然退化等问题,更加推荐使用Firth最大似然估计解决分离问题。在最大似然可以得出有效估计值的情况下,样本偏小,最大似然估计容易导致参数估计偏高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最大惩罚似然估计论文参考文献
[1].徐建军,谭鲜明,张润楚.一种惩罚最大似然方法估计混合回归模型[J].中国科学:数学.2019
[2].韩婷.Firth惩罚最大似然估计在logistic回归中解决分离问题时的应用[D].山西医科大学.2013
[3].刘伯芹,马尽文.混合高斯模型的熵惩罚最大似然估计与自动模型选择[C].第十一届全国信号处理学术年会（CCSP-2003）论文集.2003