潜变量模型中自适应最大似然估计的渐近性质

潜变量模型已广泛应用于不同研究领域，其中感兴趣的构念无法直接观测，因此需要一个或多个潜变量来降低数据复杂性。在这些情况下，由于不存在解析解，会出现与模型似然函数积分相关的问题。在近期文献中，自适应高斯-埃尔米特求积法是一种被广泛用于估计潜变量模型的数值技术。它提供了良好的积分近似，并且在存在多个潜变量和/或随机效应时比经典数值技术更可行。本文正式研究了基于自适应求积法的最大似然估计量的性质，这些估计量用于广义线性潜变量模型中的推断。