缺失数据模型的蒙特卡洛似然推断

我们描述了一种蒙特卡洛方法，用于在存在缺失数据且观测数据似然函数无法以闭式表达时，近似最大似然估计 (MLE)。该方法使用与观测数据独立且同分布的模拟缺失数据。我们的 MLE 蒙特卡洛近似是 Kullback--Leibler 信息极小值点 $\theta^*$ 的一致且渐近正态估计，前提是蒙特卡洛样本量与观测数据样本量同时趋于无穷大。我们提供了渐近方差的代入估计，用于构建 $\theta^*$ 的置信区域。我们给出了使用 R 包计算的 Logit--Normal 广义线性混合模型示例。