如何通过对R中使用optim最大化对数似然函数所估计的参数进行分析，从而估计出95％的置信区间？

9

我知道我可以通过反转hessian渐近估计协方差矩阵，但我担心我的数据不符合该方法有效所需的假设。我希望使用其他方法来估计置信区间。

如Stryhn和Christensen以及Venables和Ripley的MASS书第8.4节，第220-221页中所述，轮廓似然方法是否合适？

如果是这样，是否有任何软件包可以帮助我在R中做到这一点？如果没有，这种方法的伪代码将是什么样？

r confidence-interval maximum-likelihood optimization profile-likelihood

— fmark
source

6

mlestats4包中的函数是的包装optim，这使得生成轮廓似然计算非常容易。请参阅help("profile,mle-method", package = "stats4")以获取更多信息。

— NRH
source

这正是我想要做的:)现在使其工作！

— fmark 2012年

@fmark，使其正常工作的难易程度取决于优化问题。我经常使用它来教一些相当简单的问题（一到三个参数）和“不错的”模型，以及一些简单的实际问题。但是，如果可能性很难优化和配置，则可能无法立即使用。

— NRH 2012年

2

如果使用nlme，则有ProfileLikelihood软件包。就个人而言，我还没有使用它。

使用lme4a或lmeEigen包，有一个profile（）函数可以准确地执行您想要的操作。尝试类似的方法来安装这些软件包：

install.packages("lme4a",repos="http://lme4.r-forge.r-project.org/repos")

或访问网站获取zip存档。同样且不幸的是，我没有设法使用它：)也许我们应该等待lme4的更新。

编辑：酷！lmer模型的profile（）函数现在在最新版本的lme4中可用，可通过键入以下命令进行安装：

install.packages("lme4",repos="http://r-forge.r-project.org")

— 斯特凡·洛朗（StéphaneLaurent）
source

我意识到我没有足够准确地阅读原始问题。对于混合模型，我的答案是。我认为以下NRH的答案适用于经典模型。

— 斯特凡洛朗