Giả sử tôi có mô hình sau
Trong đó , là một vectơ của các biến giải thích, là các tham số của hàm phi tuyến tính và , trong đó tự nhiên là ma trậnx i θ f ε i ~ N ( 0 , Σ ) Σ K × K
Mục tiêu là thông thường để ước tính và . Sự lựa chọn rõ ràng là phương pháp khả năng tối đa. Khả năng đăng nhập cho mô hình này (giả sử chúng ta có một mẫu ) trông giống như
Bây giờ điều này có vẻ đơn giản, khả năng đăng nhập được chỉ định, đưa vào dữ liệu và sử dụng một số thuật toán để tối ưu hóa phi tuyến tính. Vấn đề là làm thế nào để đảm bảo rằng là xác định dương. Sử dụng ví dụ optim
trong R (hoặc bất kỳ thuật toán tối ưu phi tuyến tính nào khác) sẽ không đảm bảo với tôi rằng là xác định dương.
Vì vậy, câu hỏi là làm thế nào để đảm bảo rằng vẫn tích cực xác định? Tôi thấy hai giải pháp có thể:
Reparametawn là trong đó là ma trận đối xứng hoặc tam giác trên. Sau đó, sẽ luôn luôn xác định dương và có thể không bị giới hạn.
Sử dụng hồ sơ khả năng. Suy ra các công thức cho và . Bắt đầu với một số và lặp lại , cho đến khi hội tụ.
Có một số cách khác và những gì về 2 cách tiếp cận này, chúng sẽ làm việc, chúng có chuẩn không? Đây có vẻ là vấn đề khá chuẩn, nhưng tìm kiếm nhanh không cho tôi bất kỳ gợi ý nào. Tôi biết rằng ước tính Bayes cũng có thể, nhưng hiện tại tôi không muốn tham gia vào nó.