Предположим, у меня есть следующая модель
где , - вектор объясняющих переменных, - параметры нелинейной функции и , где естественно, матрица.
Целью является обычная оценка и . Очевидный выбор - метод максимального правдоподобия. Логарифмическая вероятность для этой модели (при условии, что у нас есть образец ) выглядит следующим образом
Теперь это кажется простым, логарифмическая правдоподобность указывается, вводится в данные и использует некоторый алгоритм для нелинейной оптимизации. Проблема заключается в том, чтобы убедиться, что положительно определен. Использование, например, optim
в R (или любом другом алгоритме нелинейной оптимизации) не гарантирует мне, что положительно определен.
Таким образом, вопрос заключается в том, как обеспечить, чтобы оставалась положительно определенной? Я вижу два возможных решения:
Reparametrise as где - верхнетреугольная или симметричная матрица. Тогда всегда будет положительно определенным и может быть неограниченным.
Используйте профиль вероятности. Выведите формулы для и . Начните с некоторого и итерируйте , до схождения.
Есть ли какой-то другой способ, и как насчет этих двух подходов, они будут работать, они стандартные? Это кажется довольно стандартной проблемой, но быстрый поиск не дал мне никаких указаний. Я знаю, что байесовская оценка была бы также возможна, но на данный момент я не хотел бы участвовать в ней.