我正在尝试更好地理解在最大似然估计的背景下观察到的信息与预期信息之间的方面/含义。其中一部分涉及模拟数据。如果我从以下逻辑模型生成结果数据:
那么,如果我理解正确的话,这段代码给出了观测信息矩阵:
但我无法想出如何获得预期信息矩阵。
set.seed(123)
n <- 5000
c1 <- rnorm(n,3,1.5)
c2 <- rnorm(n,5,1.75)
x <- rnorm(n,1+1.25*c1+1.75*c2,1.5)
p<-1/(1+exp(-(-13.5+log(1.5)*x+log(1.25)*c2+log(1.75)*c2)))
y <- rbinom(n,1,p)
dat<-data.frame(c1,c2,x,y)
那么,如果我理解正确的话,这段代码给出了观测信息矩阵:
a<-glm(y~x+c1+c2,data=dat,family=binomial(link="logit"))
solve(vcov(a))
但我无法想出如何获得预期信息矩阵。
vcov
或按照此处描述的方式进行操作 https://stats.stackexchange.com/a/332097/81865 - Benjamin Christoffersen