最大似然估计的中位数偏差缩减
统计方法学
2017-03-03 v4
摘要
对于正则参数问题，我们展示了如何通过对得分方程进行简单修正来实现最大似然估计的中位数中心化。对于感兴趣的标量参数，该估计量在尊重兴趣的参数化下是等变的，且为三阶中位数无偏。对于感兴趣的向量参数，可获得分量等变性和三阶中位数中心化。与 Firth (1993, Biometrika) 的隐式减偏方法类似，新方法不要求最大似然估计的有限性，并能有效防止无限估计。针对连续和离散模型（包括二元回归和 beta 回归）的模拟结果证实，该方法成功实现了分量中位数中心化并解决了无限估计问题，同时保持了与其主要竞争方法相当的离散程度和相同的近似分布。
引用
@article{arxiv.1604.04768,
title = {Median bias reduction of maximum likelihood estimates},
author = {Euloge Clovis and Kenne Pagui and Alessandra Salvan and Nicola Sartori},
journal= {arXiv preprint arXiv:1604.04768},
year = {2017}
}
备注
28 pages, 3 figures