Penalized Maximum Likelihood Estimator for Mixture of von Mises-Fisher Distributions
von Mises-Fisher分布是描述方向数据的最广泛使用的概率分布之一。冯·米塞斯-费舍尔分布的有限混合物已经找到了许多应用。然而，冯Mises-Fisher分布的有限混合的似然函数是无界的，因此极大似然估计没有很好地定义。为了解决问题的可能性退化，我们考虑惩罚的极大似然的方法，其中的惩罚函数被纳入。我们证明了强一致性的估计。提出了一种罚似然函数的期望最大化算法，并进行了仿真研究。
2022-03-05 stat.ME
Minimum divergence estimators, maximum likelihood and exponential families
本文证明了参数模型中两个分布之间散度的对偶表示公式。由此产生的参数的发散估计。这些估计量不使用任何分组或平滑。证明了在任意正则指数族上，所有的可微发散都导出了参数的相同估计，这就是极大似然估计。
2011-08-20 stat.ME
Novel closed-form point estimators for a weighted exponential family derived from likelihood equations
本文提出加权指数族的闭式点估计，并用自助法降低偏差，蒙特卡罗模拟验证其有效性。
2024-05-25 stat.ME
A Sandwich Likelihood Correction for Bayesian Quantile Regression based on the Misspecified Asymmetric Laplace Density
提出了一种三明治似然校正方法，以弥补贝叶斯分位数回归方法的推理局限性的基础上错误指定的非对称拉普拉斯密度，利用该方法的好处。支持的理论结果和模拟。
2015-06-10 stat.ME
Weighted empirical likelihood for quantile regression with nonignorable missing covariates
本文提出了协变量不可分离的分位数回归模型中回归参数的经验似然加权估计。建议的估计是计算简单，实现半参数效率，如果完全观察到的变量的缺失概率被正确指定。理论上量化了所提出的估计器相对于完整案例分析估计器的效率增益，并通过仿真和真实数据应用进行了说明。
2017-10-07 stat.ME
Maximum Likelihood Ridge Regression
我的第一篇专门关于岭回归的论文发表在《技术计量学》上，并被选为1975年亚特兰大联合统计会议的特邀报告。不幸的是，该文件载有各种各样的细节和结果。幸运的是，加里·麦克唐纳发表的那篇论文的讨论主要集中在我在正态分布理论下使用的极大似然估计。在本文中，我回顾了1975年至2022年期间我发表的所有四篇岭型研究论文中的一些结果，重点介绍了极大似然发现，这些发现在回归收缩的实际应用中似乎是最重要的。
2022-07-25 stat.ME
Estimating the Competitive Storage Model: A Simulated Likelihood Approach
本文针对竞争存储模型提出了一种粒子滤波器极大似然估计器。该估计量适用于商品市场中只有可靠的价格数据可用于估计的推断问题，并且冲击是时间依赖的。当冲击不是独立的时，估计器有效地利用了价格的条件分布中存在的信息。与Deaton和Laroque的复合拟极大似然估计相比，模拟实验和实际数据的估计在偏差和精度上都有很大的改善。仿真实验还表明，在价格数据较多的情况下，粒子滤波器估计的精度比复合准极大似然估计提高得更快。为了证明估计量及其与实际数据的相关性，我们将存储模型拟合到每月天然气价格的数据集。结果表明，用粒子滤波器估计器估计的存储模型在对数似然方面优于常用的简化形式的时间序列模型，如线性AR（1），AR（1）-Gestion（1，1）和Markov Switching AR（1）模型。
2017-01-09 stat.ME
A penalized logistic generalized regression estimator
Reed College（里德学院）；Bucknell University（巴克内尔大学）；Genospace
本文在模型辅助框架下提出一种惩罚逻辑广义回归估计量，结合Lasso或Ridge惩罚控制辅助变量影响，经模拟和实例验证可提高稀疏模型下估计效率，适用于含多辅助变量的复杂调查数据场景。
2026-09-01 stat.ME
Liu-type Negative Binomial Regression: A Comparison of Recent Estimators and Applications
本文给出了负二项回归模型的一个新的有偏估计，它是文献[12]中对线性模型提出的Liu型估计的推广。针对极大似然估计（MLE）在解释变量间存在多重共线性时方差膨胀的问题，提出了一种新的有偏估计，减小了MLE的方差，从而得到稳定的推断.此外，我们还通过矩阵均方误差均方误差（MMSE）准则对新估计与其他估计进行了理论上的比较。此外，一个蒙特卡罗模拟研究的目的是评估性能的估计的意义上的均方误差。最后，一个真实的数据应用程序来说明新的估计的好处。
2016-04-08 stat.ME
Skewing Methods for Variance-Stabilizing Local Linear Regression Estimation
众所周知，核回归估计量在一个域上不产生恒定的估计方差。为了纠正这个问题，Nishida和Kanazawa（2015）提出了局部线性（LL）回归估计的方差稳定（VS）局部变量带宽。相反，Choi和Hall（1998）提出了单变量LL估计的偏斜（SK）方法，并构造了一个LL估计和两个对称放置在LL估计两侧的SK估计的凸组合（凸组合（CC）估计），以消除其渐近偏差中的高阶项。为了在不使用VS局部可变带宽的情况下获得具有恒定估计方差的CC估计器，必须局部地确定凸组合中的权重以产生恒定估计方差。在这项研究中，我们比较了两种VS方法的性能CC估计，并找到加权方法可以优于VS带宽方法的方差稳定的程度方面的情况下。
2017-04-14 stat.ME
Indirect multivariate response linear regression
我们提出了一类新的估计的多元响应线性回归系数矩阵，利用假设的响应和预测有一个联合的多元正态分布。这使得我们能够通过对逆回归的参数进行收缩估计，或者通过给定响应的预测因子的条件分布来间接估计回归系数矩阵。我们建立了一个收敛速度界估计在我们的类，我们研究了两个例子。第一示例估计器利用逆回归的系数矩阵是稀疏的假设。第二示例估计器利用逆回归的系数矩阵是秩亏的假设。这些估计不需要流行的假设，即前向回归系数矩阵是稀疏的或具有小的Frobenius范数。使用模拟研究，我们表明，我们的例子估计优于一些数据生成模型的相关竞争对手。
2015-07-16 stat.ME
Bias-correction of the maximum likelihood estimator for the $α$-Brownian bridge
$α$ -布朗桥（英语：Brownian bridge）或称缩放布朗桥（scaled Brownian bridge），是布朗桥的一种推广，它的缩放参数决定了将过程拉回到0的力有多强。推导了参数$α$的极大似然估计的偏差，并提出了一种偏差修正方法，大大改善了估计量。在一个模拟研究中，估计的偏差校正估计和四个贝叶斯估计的基础上，无信息的先验的性能进行了评估。
2014-04-17 math.ST stat.ME stat.TH
Improved estimators for a general class of beta regression models
在本文中，我们考虑了由Ferrari和Cribari-Neto（2004）提出的beta回归模型的扩展。我们以两种不同的方式扩展了他们的模型，首先，我们让回归结构是非线性的，其次，我们允许精度参数的回归结构，而且，这个回归结构也可以是非线性的。一般来说，Beta回归适用于响应限于标准单位区间且回归结构涉及回归变量和未知参数的情况。我们推导出极大似然估计的二阶偏差的一般公式，并利用它们来定义偏差校正估计。我们的公式推广了Ospina等人（2006）的结果，并易于通过补充加权线性回归实现。我们还比较了这些偏差校正估计与三种不同的估计，这也是无偏的二阶，一个分析和其他两个基于自助方法。这些估计量进行了比较，通过模拟。我们提出了一个经验的应用。
2008-09-10 stat.CO stat.ME
Non-Parametric Maximum Likelihood Density Estimation and Simulation-Based Minimum Distance Estimators
间接推断估计器（即，基于模拟的最小距离估计）在一个参数模型的基础上，辅助非参数最大似然密度估计被证明是渐近正态的。如果参数模型是正确指定的，它进一步表明，渐近方差-协方差阵等于逆的Fisher信息矩阵。这些结果是基于非参数极大似然密度估计的参数一致收敛速度和参数一致Donsker型定理。
2011-09-20 math.PR math.ST stat.ME
Uniqueness and global optimality of the maximum likelihood estimator for the generalized extreme value distribution
三参数广义极值分布起源于经典的单变量极值理论，常用于分析观测现象的远尾。奇怪的是，在这个标准模型下的似然估计的重要渐近性质尚未建立。在本文中，我们正式证明了极大似然估计是整体和唯一的。一个有趣的次要结果是一类极限关系在形状参数的紧邻域中的一致相合性。
2020-08-14 math.ST stat.ME stat.TH
Uniqueness of the maximum likelihood estimator for k-monotone densities
我们证明了k-单调密度类的极大似然估计的唯一性。
2010-01-12 math.ST stat.TH
Robustness properties of marginal composite likelihood estimators
复合似然是完全似然的一种替代方法，广泛应用于许多可能性本身难以处理的情况。可以计算复合似然，而无需指定响应的完整分布，这意味着在某些情况下，所得估计量对模型误指定的鲁棒性比最大似然估计量更强。本说明的目的是表明，这种增强的鲁棒性是不能保证的。给出了一个例子，其中各种边际复合似然估计是不一致的模型误设定下，即使最大似然估计是一致的。
2014-01-07 math.ST stat.TH
Weighted sampling, Maximum Likelihood and minimum divergence estimators
本文研究了Sanov型大偏差概率下参数模型的极大似然。加权抽样下的参数模型的极大似然估计被证明与相对于权重分布定义的特定发散准则的最小化有关。由此产生的推理过程的一些属性; Bahadur效率的测试也被认为是在这种情况下。
2012-07-27 math.ST stat.ME stat.TH
Skewness of maximum likelihood estimators in dispersion models
本文引入了具有回归结构的离散模型，推广了广义线性模型、指数族非线性模型（Cordeiro and Paula，1989）和适当离散模型（Jørgensen，1997 a）。本文给出了离散模型中回归参数的极大似然估计的偏度矩阵表达式。该公式适合于计算机实现，并可应用于文献中讨论的几个重要的子模型。精度和离散参数的极大似然估计的偏度表达式也被推导出来。特别是，我们的结果扩展了Cordeiro和Cordeiro（2001）和Cavalcanti等人（2009）获得的先前公式。仿真研究表明了本文结果的实际意义。
2010-01-13 math.ST stat.ME stat.TH
Almost Unbiased Liu Type Estimator in Bell Regression Model: Theory, Simulation and Application
本文针对Bell回归模型提出新的几乎无偏Liu型估计量，通过理论证明、蒙特卡洛模拟和真实数据研究，验证其在均方误差准则下优于最大似然估计量和传统Liu型估计量。
2025-09-20 math.ST stat.ME stat.TH
M-estimators for Isotonic Regression
本文提出保序回归的一类稳健估计：保序M-估计。我们表明，他们的渐近分布是，直到一个标量因子，相同的Brunk的经典保序估计。我们还得到了这些估计的影响函数和崩溃点。最后，我们进行了蒙特卡罗研究表明，所提出的家庭包括估计，同时在高斯误差和高度鲁棒性时，误差分布有沉重的尾巴是非常有效的。
2011-05-25 math.ST stat.ME stat.TH
Mean likelihood estimators
讨论了{ \it Mathematica}在推导均值似然估计量中的应用。比较最大似然估计，平均似然估计和贝叶斯估计的基础上，杰弗里的无信息的前使用的标准均方误差和Pitman措施的接近。基于这些准则，我们发现，对于一阶滑动平均时间序列模型，平均似然估计优于极大似然估计和贝叶斯估计与杰弗里的无信息的先验。{ \it Mathematica}用于符号和数值计算以及结果的图形显示。可从http://www.stats.uwo.ca/mcleod/epubs/mele获得{ \it Mathematica}笔记本，其中提供补充推导和代码。感兴趣的读者可以使用此补充轻松复制或扩展本文中的任何结果。
2016-11-03 math.ST stat.TH
Exact maximum likelihood estimators for drift fractional Brownian motions
本文讨论离散时刻漂移分数阶布朗运动的均值和方差的极大似然估计的相合性和强相合性问题。利用Malliavin演算得到了这些估计量的一个中心极限定理。
2009-04-27 math.PR math.ST stat.AP
Upper and Lower Class Functions for Maximum Likelihood Estimator for Single server Queues
研究了$GI/G/1$排队系统中到达率和服务率的极大似然估计的上、下类函数，并对M/M/1排队系统进行了验证.
2020-02-14 math.ST stat.TH
Asymptotic normality of maximum likelihood estimator for cooperative sequential adsorption
我们在以前的工作中表明，合作序贯吸附模型的统计推断可以基于极大似然估计。本文继续这方面的研究，建立了极大似然估计在热力学极限下的渐近正态性。我们还进行了一些数值模拟的模型和讨论。
2010-05-06 math.PR math.ST stat.TH
A maximum smoothed likelihood estimator in the current status continuous mark model
考虑了截尾数据下事件时间和连续型标志变量的联合分布函数的估计问题。更具体地，事件时间受到当前状态删失的影响，并且仅在事件时间之后进行检查的情况下才观察到连续标记。该模型中的非参数极大似然估计（MLE）是不一致的。我们提出并研究了另一种基于似然的估计，最大化平滑对数似然，因此称为最大平滑似然估计（MSLE）。该估计被证明是定义良好和一致的，并描述了一个简单的算法，可以用来计算it.MSLE与其他估计在一个小的模拟研究进行了比较。
2011-09-06 math.ST stat.AP stat.TH
Strong consistency of the maximum likelihood estimator for finite mixtures of location-scale distributions when penalty is imposed on the ratios of the scale parameters
在位置-尺度分布的有限混合分布中，如果参数没有约束或惩罚，则极大似然估计不存在，因为似然是无界的。为了避免这个问题，我们考虑一个惩罚的可能性，其中的惩罚是一个函数的比例的最小值的尺度参数和样本量。证明了惩罚极大似然估计是强相合的。我们还分析了惩罚的最大似然估计的一致性，惩罚施加在尺度参数本身。
2008-02-08 math.PR math.ST stat.TH
Asymptotic confidence bands for the histogram regression estimator
Universität Hamburg（汉堡大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文提出了一种适用于异方差噪声下多变量非参数回归模型的直方图估计器渐近置信带构造方法，能够处理Hölder正则性低于一的不光滑回归函数。
2026-02-27 math.ST stat.ME stat.TH
Asymptotic results for maximum likelihood estimators in joint analysis of repeated measurements and survival time
极大似然估计已广泛应用于重复测量和生存时间的联合分析。然而，有一个缺乏理论上的理由的渐近性质的最大似然估计。本文旨在填补这一空白。具体来说，我们证明了最大似然估计的一致性，并推导出它们的渐近分布。极大似然估计是半参数有效的。
2006-02-11 math.ST stat.TH
Asymptotic behavior of the Laplacian quasi-maximum likelihood estimator of affine causal processes
本文证明了一类因果时间序列的Laplacian拟极大似然估计（QMLE）的相合性和渐近正态性，这类因果时间序列包括ARMA，AR（$\infty$），GARCH，GARCH（$\infty$），ARMA-GARCH，APARCH，ARMA-APARCH，.流程.我们显着表现出的优势（矩阶和鲁棒性），这种估计相比，经典的高斯QMLE。数值模拟证实了这种估计的准确性。
2017-02-21 math.ST stat.TH
Regression model selection via log-likelihood ratio and constrained minimum criterion
对数似然比似然比在模型选择中应用广泛，但在模型选择中应用较少。我们开发了一个基于对数似然比的方法，通过关注被似然比检验认为合理的模型集来选择回归模型。我们表明，当样本量较大且检验的显著性水平较小时，集合中的最小模型是真实模型的概率很高，因此，我们选择了这个最小模型。检验的显著性水平用作该方法的参数。我们考虑了三个水平的这个参数在模拟研究中，并比较这种方法与赤池信息准则和贝叶斯信息准则，以证明其良好的精度和适应性，以不同的样本量。我们还应用这种方法来选择南非心脏病数据集的逻辑斯谛回归模型。
2021-09-25 math.ST stat.ME stat.TH
The efficiency of the estimators of the parameters in GARCH processes
本文提出了一类Gestival（p，q）序列参数的估计。我们证明了我们的估计是一致的，渐近正态在温和的条件下。详细讨论了拟极大似然估计和似然估计。我们证明了极大似然估计是最优的。如果新息分布的尾部是多项式的，则即使是基于指数密度的准最大似然估计也比Lee和Hansen和Lumsdaine的基于标准正态密度的准似然估计表现得更好。
2004-06-22 math.ST stat.TH
Maximum likelihood estimators and random walks in long memory models
我们考虑由高斯和非高斯自相似过程驱动的统计模型，并构造漂移参数的最大似然估计（MLE）。我们的方法是基于近似的随机游动的驱动噪声。我们研究了估计量的渐近性质，并给出了一些数值模拟来说明我们的结果。
2009-12-19 math.PR math.ST stat.TH
Asymptotics of maximum likelihood estimators based on Markov chain Monte Carlo methods
在许多复杂的统计模型中，无法计算最大似然估计量。本文用真实似然的马尔可夫链蒙特卡罗近似方法解决了这一问题。在主要结果中，我们证明了当两个样本量（初始样本量和MonteCarlo样本量）都趋于无穷大时，估计量的渐近正态性。我们的结果可以应用到模型与棘手的赋范常数和缺失数据模型。
2018-08-08 math.ST stat.TH
Confidence Sets Based on Penalized Maximum Likelihood Estimators in Gaussian Regression
基于惩罚的最大似然估计，如LASSO，自适应LASSO，和硬阈值的置信区间进行了分析。在已知方差的情况下，有限样本覆盖性质，这样的间隔被确定，它表明，对称的间隔是最短的。基于硬阈值估计的最短间隔的长度大于基于自适应LASSO的最短间隔的长度，其大于基于LASSO的最短间隔的长度，其进而大于基于最大似然估计的标准间隔。在惩罚估计量被调整为具有“稀疏性”的情况下，基于这些估计量的区间比标准区间大数量级。此外，一个简单的渐近置信区间的建设在“稀疏”的情况下，也适用于平滑剪切绝对偏差估计，进行了讨论。已知方差的情况下的结果进行到未知方差的情况下，在适当的渐近意义。
2010-02-01 math.ST stat.ME stat.ML
Asymptotics of the maximum likelihood estimator of the location parameter of Pearson Type VII distribution
Shizuoka University（静冈大学）
研究Pearson VII分布已知尺度下位置参数最大似然估计的渐进行为，包括强一致性、渐近正态性、Bahadur效率和渐近方差。重点分析重尾情况，如Cauchy分布，克服似然方程多根难题。
2026-04-08 math.ST stat.TH
Asymptotic Efficiency of the Global Maximum-Likelihood Estimator in Multi-Emitter Localization Microscopy
The City College of City University of New York（纽约市立大学城市学院）
该研究针对多发射源定位显微术，实现GML估计器并通过仿真验证其渐近效率理论。
2026-08-03 cs.IT math.IT math.ST
On the Distribution of Penalized Maximum Likelihood Estimators: The LASSO, SCAD, and Thresholding
我们研究的分布的LASSO，SCAD和阈值估计，在有限样本和大样本限制。渐近分布的情况下，估计量进行调整，以执行一致的模型选择和估计量进行调整，以执行保守的模型选择。我们的研究结果补充了Knight和Fu（2000）以及Fan和Li（2001）的研究结果。我们发现，无论估计量如何调整，分布通常都是高度非正态的，并且这种特性在大样本中仍然存在。这些估计量的一致收敛性也得到了，并显示出慢于1/根（n）的情况下，估计量进行调整，以执行一致的模型选择。给出了估计量的分布函数估计的不可能性结果。
2009-04-17 math.ST stat.ME stat.ML
Existence and uniqueness of the maximum likelihood estimator for models with a Kronecker product covariance structure
本文讨论了多元高斯模型，其中协方差阵是两个矩阵的Kronecker积。我们考虑模型参数的极大似然估计，特别是协方差阵。Kronecker乘积协方差阵的极大似然估计量没有明确的表达式。本文的主要问题是协方差阵的极大似然估计是否存在以及它是否唯一。对于我们考虑的不同模型，答案是不同的。
2014-10-08 math.ST stat.TH
Asymptotic properties of the maximum likelihood estimator for nonlinear AR processes with markov-switching
本文在预测滤波器具有一致指数遗忘和$α$ -混合性质的假设下，提出了一种新的方法，证明了具有Markov切换的非线性AR过程极大似然估计的相合性和正态性.我们表明，在线性和高斯的情况下，我们的假设是完全满足的。
2016-05-31 math.ST stat.TH
Ergodicity of observation-driven time series models and consistency of the maximum likelihood estimator
本文讨论了一类观测驱动的时间序列模型，特别关注计数的时间序列。我们提供的条件下，存在严格意义上的平稳和遍历版本的这样的过程。然后，对于良定模型和误定模型，得到了极大似然估计的相合性.
2012-10-22 math.ST stat.TH
Uniform central limit theorems for the Grenander estimator
我们考虑Grenander估计，这是最大似然估计的非增密度。证明了有界变差函数的某些子类和光滑性s>1/2的Hölder球的一致中心极限定理。我们不假设密度是可微的或连续的。这个证明可以看作是参数极大似然估计方法在非参数情况下的一个改进。由于非参数极大似然估计位于边界上，因此不可能像参数情况那样期望似然的导数等于零。然而，我们的证明依赖于这样一个事实，即可能性的导数可以被证明是小的最大似然估计。
2015-06-26 math.ST stat.TH
Quasi-Likelihood Analysis for Stochastic Regression Models with Nonsynchronous Observations
研究了含有随机微分方程的参数化随机回归模型的非同步采样问题。构造了一个拟似然函数，证明了当非同步数据的采样频率变大时，拟极大似然估计与Bayes型估计是相合的，且渐近混合正态.
2012-12-20 math.ST stat.TH
Bahadur efficiency of the maximum likelihood estimator and one-step estimator for quasi-arithmetic means of the Cauchy distribution
随机变量的某些拟算术平均很容易给出柯西分布的位置参数和尺度参数联合的无偏强相合封闭型估计。考虑了柯西分布的拟算术平均的一步估计。我们建立了最大似然估计和一步估计的Bahadur效率。我们还表明，均方误差的收敛速度达到Cramer-Rao界。我们的结果也适用于圆形柯西分布。
2021-12-06 math.ST stat.TH
Computing all roots of the likelihood equations of seemingly unrelated regressions
看似无关回归是基于高斯分布的统计回归模型。它们在计量经济学中很流行，但也出现在多元依赖关系的图形建模中。在极大似然估计中，通过最大化似然函数来估计模型的参数，该函数将参数映射到观察给定数据的似然。通过将这个最优化问题转化为一个多项式最优化问题，最近证明了一个简单的二元看似无关回归模型的似然函数可以有多个平稳点。因此，局部最大值可能使极大似然估计复杂化。在本文中，我们研究了几个更复杂的看似无关的回归模型，并展示了如何使用代数几何计算的所有平稳点的似然函数。
2005-08-23 math.ST stat.TH
Quasi Maximum-Likelihood Estimation of Dynamic Panel Data Models
建立了动态面板数据模型水平估计和差分拟极大似然估计的几乎必然收敛和渐近正态性。的QML估计是强大的初始条件，条件和时间序列异方差，以及误指定的对数似然。本文还提供了一个ECME算法计算水平QML估计。最后，利用蒙特卡罗实验比较了水平和差分QML估计、差分GMM估计和系统GMM估计的有限样本性能。在这些实验中，QML估计通常有较小的-通常是小得多-偏差和均方根误差比面板数据GMM估计。
2017-02-02 math.ST stat.TH
The maximum likelihood type estimator of SDEs with fractional Brownian motion under small noise asymptotics in the rough case
针对分数布朗运动驱动的随机微分方程，在漂移和扩散系数满足一定假设时，构造最大似然估计量，证明小噪声下漂移参数的渐近正态性与矩收敛。
2025-03-28 math.PR math.ST stat.TH
On the maximum likelihood estimator for the Generalized Extreme-Value distribution
单变量极值理论中的vanilla方法包括将三参数广义极值（GEV）分布拟合到块极大值的样本。尽管有相反的说法，但最大似然估计量的渐近正态性从未被建立。本文利用一个一般结果给出了支持度依赖于参数的二次均值可微的参数族的极大似然估计的一个形式证明。一个有趣的副作用是关于GEV族的二次均值的可微性（缺乏）。
2017-03-15 math.ST stat.TH
Methods of Estimation for the Three-Parameter Reflected Weibull Distribution
本文提出了三参数反射韦布尔分布的参数估计方法。矩估计、极大似然估计和无位置和尺度参数的极大似然估计。无位置和尺度参数的极大似然估计是基于一个数据变换，避免了似然估计的无界问题。通过Monte Carlo模拟，我们进一步证明了位置和尺度参数自由的极大似然估计在偏差和均方根均方误差方面优于矩方法和极大似然估计。最后，给出了两个基于真实数据集的例子来说明方法。
2019-04-28 stat.OT
On comparison of estimators for proportional error nonlinear regression models in the limit of small measurement error
本文比较了比例误差非线性回归模型的极大似然（ML）、拟似然（QL）和加权最小二乘（WLS）估计。热释光沉积测年的文献揭示了另一种类似于加权最小二乘法的估计，但观察到的反应用作权重。我们称之为数据加权最小二乘（DWLS）的估计量也包含在比较中。我们发现，在顺序$σ, $所有四个估计的行为类似于普通的最小二乘估计标准的线性回归模型。在$σ^2, $的阶上，估计量有偏差。在小的测量误差的限制下是有效的公式推导出的偏差和方差的四个估计。最大似然估计比拟似然估计具有更小的偏差。条件下，加权最小二乘和最大似然估计有类似的偏差。在$σ^ {2} $阶上，所有估计量具有相似的标准误差。在高阶$σ$上，当随机误差的前四阶矩与正态分布相同时，极大似然估计比拟似然估计具有更小的方差.最大似然和拟似然估计方程是无偏的。在大样本下，这两个估计量服从多元正态分布。加权最小二乘和数据加权最小二乘的估计方程是有偏的。然而，在$σ\to 0$和$n \to \infty, $的极限下，如果$ n^ {1/2} σ$保持有界，则这两个估计量也服从多元正态分布。模拟研究证明了适用性的推导公式中存在的测量误差典型的沉积数据。结果表明，从热释光沉积测年的数据集。
2019-11-21 math.ST stat.TH
On the Asymptotic Normality of the Conditional Maximum Likelihood Estimators for the Truncated Regression Model and the Tobit Model
本文研究了截断截尾回归模型和Tobit模型的条件极大似然估计的渐近正态性。我们证明了在Hayashi（2000）\footnote{see page 516, and page 520 of Hayashi (2000).}关于这两个模型的条件ML估计的渐近正态性的证明是正确的，即充分条件是$\mathbf{x_tx'_t}$的非奇异性.
2008-02-05 math.PR math.ST stat.TH
Inference with penalized likelihood
本文在半参数框架下研究了最大惩罚似然方法的统计特性。我们回顾了惩罚似然估计函数的方法，并回顾了一些渐近结果。研究了极大惩罚似然估计方差的两种估计：三明治估计和贝叶斯估计的性质。通过生存数据的模拟研究，研究了基于这些估计量的置信区间的覆盖率。在第一次模拟中，对生存函数和风险函数的覆盖率进行评估。在第二个模拟中，从具有协变量的比例风险模型生成数据。研究了回归系数的方差估计。对于生存和风险函数，三明治估计和贝叶斯估计都表现出相对较好的性质，但贝叶斯估计似乎更准确。至于回归系数，我们集中在贝叶斯估计，并发现它产生了良好的覆盖率。
2014-01-30 math.ST stat.TH
Bounds for the normal approximation of the maximum likelihood estimator from m-dependent random variables
最大似然估计（MLE）的渐近正态性是一个长期建立的结果。对于独立随机变量的情形，最近已经得到了极大似然估计的分布与正态分布之间的分布距离的显式界。本文在随机变量之间引入了一种局部依赖结构，并给出了Wasserstein度量的上界.
2016-09-19 math.ST stat.TH
Asymptotic properties of maximum likelihood estimators for Heston models based on continuous time observations
研究了对数价格过程基于连续时间观测的Heston模型极大似然估计的渐近性质。我们区分三种情况：亚临界（也称为遍历），临界和超临界。在亚临界情况下，证明了所有参数的渐近正态性，而在临界和超临界情况下，描述了非标准的渐近行为。
2015-06-26 math.ST q-fin.ST stat.TH
