轮廓似然函数及其应用

摘要

目的：介绍轮廓似然(Profile Likelihood)方法及其两个应用.方法：拟合logistic回归模型,计算轮廓似然的置信区间,并与Wald置信区间进行比较;采用轮廓似然方法解决障碍参数过多的模型拟合问题.结果：轮廓似然可以解决偏态分布下Wald置信区间失效的问题;最大轮廓似然估计与最大似然估计的结果是一致的,而轮廓似然仅需要较弱的假设条件.结论：参数呈非正态分布时,轮廓似然置信区间要优于Wald置信区间;轮廓似然作为最大似然估计的替代方法,可以解决最大似然无法计算或计算困难的问题,也可以提高模型的适用性.