返回
One-step statistical estimation method for generalized linear models
DOI:10.1007/s00362-025-01755-1.png)
摘要
En 中文
本文提出了一般线性模型的一步估计方法。在这些模型中,最大似然估计量虽然具有渐近有效性,但没有闭式解,通常采用梯度下降法进行数值计算。然而,当数据量较大和/或解释变量数量较多时,计算可能会非常耗时。为克服这一困难,采用了一步估计方法,该方法基于一个初始(低效)猜测估计量以及Fisher得分法的单步迭代。该方法的主要优点是仅需一次迭代步骤即可实现渐近效率。通过Monte-Carlo模拟对结果进行了数值验证。该方法被用于拟合气候风险保险数据的一般线性模型。
Keyword:
Asymptotic efficiency
Maximum likelihood estimator
Fisher scoring
Monte-Carlo simulations
Insurance data
期刊
S
IF:
1.1
论文数:
97
被引数:
7
机构
暂无机构信息

