寻找轮廓似然置信区间的鲁棒高效算法
摘要：通过使用信任域方法计算profile likelihood置信区间来解决Wald方法的渐近性质不符合的情况下的问题，即在这些情况下定义profile likelihood置信区间的受限优化问题可能难以解决，因为似然函数可能具有不利的特性。因此，现有的方法可能效率低下并产生误导性结果。我们的算法通过计算基于局部逼近的步骤，并将其限制在这些逼近足够精确的区域，解决了这个问题。由于我们的算法还考虑了当似然函数强非线性或参数不可估计时产生的数值问题，因此该方法在许多先前方法显示不可靠的场景中都适用。为了证明其在应用中的潜力，我们将我们的算法应用于基准问题，并将其与6种现有方法进行了比较，以计算profile likelihood置信区间。我们的算法始终比任何竞争对手的成功率更高，同时也是最快的方法之一。由于我们的算法可以应用于计算参数和模型预测的置信区间，因此在各种情况下都非常有用。
作者：Samuel M. Fischer and Mark A. Lewis
论文ID：2004.00231
分类：Computation
分类简称：stat.CO
提交时间：2021-05-10