有关Fisher信息矩阵以及与Hessian和标准误差的关系的基本问题


54

好的,这是一个非常基本的问题,但是我有点困惑。我在论文中写道:

通过计算(观察到的)Fisher Information矩阵对角元素的平方根的倒数,可以找到标准误差:

由于R中的优化命令最小化-日志大号的(观察到的)费舍尔信息矩阵可以通过计算的Hessian的逆找到: μσ2=^ h-1

sμ^σ^2=1个一世μ^σ^2
-日志大号
一世μ^σ^2=H-1个

我的主要问题:这是我所说的正确吗?

我有些困惑,因为在第7页的此资源中它说:

信息矩阵是黑森州矩阵的期望值的负数

(因此,没有黑森州的反面。)

而在第7页(脚注5)的此来源中指出:

所观察到的Fisher信息等于-H-1个

(所以这是相反的。)

我知道减号,何时使用减号,何时不使用,但是为什么取反号与否有区别?


@COOLSerdash感谢您的更正和+1,但是该来源:unc.edu/~monogan/computing/r/MLE_in_R.pdf第7页清楚地表明,所观察到的Fisher信息等于黑森州的INVERSE吗?
詹·波霍尔德

@COOLSerdash好吧,您可能希望将其发布为答案。
詹·波霍尔德

Answers:


75

Yudi Pawitan在他的《所有可能性》一书中写道,最大似然估计(MLE)评估的对数可能性的二阶导数是观测到的Fisher信息(另请参见本文档,第2页)。这正是大多数优化算法optimR回报:Hessian在MLE上进行了评估。当对数可能性最小化,返回负的Hessian。正如您正确指出的那样,MLE的估计标准误差是观察到的Fisher信息矩阵逆矩阵的对角元素的平方根。换句话说:Hessian的逆(或负Hessian)的对角元素的平方根是估计的标准误差。

摘要

  • 在MLE处评估的负Hessian与在MLE处评估的观察到的Fisher信息矩阵相同。
  • 关于您的主要问题:不,通过反转(负)粗体可以找到观察到的Fisher信息是不正确的。
  • 关于第二个问题:(负)Hessian的逆是渐近协方差矩阵的估计。因此,协方差矩阵对角线元素的平方根是标准误差的估计量。
  • 我认为您链接到的第二个文档弄错了。

正式地

θ 一世θp×p

一世θ=-2θ一世θĴθ    1个一世Ĵp
一世θ^中号大号
Hθ=2θ一世θĴθ    1个一世Ĵp

V一种[Rθ^中号大号=[一世θ^中号大号]-1个
θ^中号大号一种ñθ0[一世θ^中号大号]-1个
θ0
小号Ëθ^中号大号=1个一世θ^中号大号

1
应该说“当负对数似然性最小化 ”(或优化的)。
cmo 2014年

8
一世θ=Ë一世θ一世θθ一世θ=一世θ
Scortchi-恢复莫妮卡

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.