Как я могу оценить 95% доверительные интервалы, используя профилирование для параметров, оцениваемых путем максимизации логарифмической функции правдоподобия с использованием optim в R?

9

Как я могу оценить 95% доверительные интервалы, используя профилирование для параметров, оцениваемых путем максимизации логарифмической функции правдоподобия с использованием optim в R?

Я знаю, что могу асимптотически оценить ковариационную матрицу, инвертировав гессиан , но я обеспокоен тем, что мои данные не соответствуют предположениям, необходимым для того, чтобы этот метод был действительным. Я бы предпочел оценить доверительные интервалы, используя другой метод.

Является ли приемлемым метод вероятности профиля , как обсуждалось в Stryhn и Christensen , а также в книге MASS Venables и Ripley, §8.4, с. 220-221?

Если так, есть ли пакеты, которые могут помочь мне сделать это в R? Если нет, то как бы выглядел псевдокод для такого метода?

r confidence-interval maximum-likelihood optimization profile-likelihood fmark
источник

Ответы:

6

mleФункция из пакета stats4 является оберткой optim, что делает его очень легко производить профиль вероятностных вычислений. Смотрите help("profile,mle-method", package = "stats4")для получения дополнительной информации.

NRH
источник
Это именно то, что я хочу сделать :) Теперь, чтобы это работало!
Fmark
@fmark, насколько легко заставить это работать правильно, зависит от проблемы оптимизации. Я часто использую его для обучения с довольно простыми задачами (от одного до трех параметров) и «хорошими» моделями, а также для простых практических задач. Однако, если вероятность оптимизации и профилирования является сложной, она, вероятно, не будет работать «из коробки».
NRH
2

Существует пакет ProfileLikelihood, если вы используете nlme. Лично мне не удалось его использовать.

Используя пакет lme4a или lmeEigen, есть функция profile (), которая точно стремится делать то, что вы хотите. Попробуйте что-то подобное, чтобы установить эти пакеты:

install.packages("lme4a",repos="http://lme4.r-forge.r-project.org/repos")

или зайдите на сайт, чтобы получить zip-архив. Точно так же и, к сожалению, мне не удалось его использовать :) Может, стоит подождать обновления lme4.

Метод подробно описан в проекте книги Дугласа Бейтса.

РЕДАКТИРОВАТЬ: Круто! Функция profile () для моделей lmer теперь доступна в последней версии lme4, чтобы установить ее, набрав:

install.packages("lme4",repos="http://r-forge.r-project.org")
Стефан Лоран
источник
Я понимаю, что недостаточно точно прочитал исходный вопрос. Мой ответ для случая смешанных моделей. Я думаю, что ответ NRH ниже для случая классических моделей.
Стефан Лоран