-
题名偏正态混合模型的惩罚极大似然估计
被引量：1
- 1
-
-
作者
金立斌
许王莉
朱利平
朱力行
-
机构
上海立信会计金融学院统计与数学学院
中国人民大学统计学院
中国人民大学统计与大数据研究院
香港浸会大学数学系
北京师范大学统计学院
-
出处
《中国科学：数学》
CSCD
北大核心
2019年第9期1225-1250,共26页
-
基金
国家自然科学基金(批准号:11801370,11471335,11731011和11671042)
上海市自然科学基金(批准号:18ZR1427200)
上海立信会计金融学院统计学一级学科(批准号:17TS001)资助项目
-
文摘
在分析具有异质性和非对称性数据时,偏正态混合模型提供一种比经典的Gauss混合模型更为灵活的建模方式.然而,由于无界的似然函数和发散的形状参数,该模型的极大似然估计并未被正确定义,进一步导致不理想的推断过程.为同时解决这两个问题,本文基于惩罚似然提出一种新的估计方案,并证明在混合分布的类别个数大于或等于真实的类别个数时,相应的惩罚极大似然估计是强相合的.同时,本文也提出相应的惩罚EM (expectation maximization)算法来计算惩罚估计.最后,通过模拟分析与现有方法比较研究估计方法在有限样本下的表现,并采用两个实例说明方法的有效性.
-
关键词
似然退化
边界估计
偏正态混合模型
惩罚极大似然估计
强相合性
-
Keywords
likelihood degeneracy
boundary estimator
skew normal mixtures
penalized MLE
strong consistency
-
分类号
F12
[经济管理—世界经济]
-
