在R中使用optim()拟合自定义模型的实现是否正确？

你的拟合思路和代码整体是正确的，以下是具体分析：

一、核心逻辑的正确性 #

• 负对数似然函数的参数化合理：通过beta = exp(alpha)、sigma = exp(params[4])的转换，确保了模型要求的非负参数约束，避免优化过程中出现无效的负数值。
• 似然计算逻辑准确：使用dnorm(y, mean = mu, sd = sigma, log = TRUE)计算单观测对数似然，求和后取负得到负对数似然，符合极大似然估计的目标；加入的NA/Inf判断能规避数值异常导致的优化中断。
• 优化流程规范：调用optim()的BFGS方法进行无约束优化，同时计算海森矩阵用于标准误估计，最后将转换后的参数（beta、sigma）整理输出的步骤完全正确。

二、需要优化的细节 #

• 初始值调整：当前设置的start_params = c(0, 0.5, 0, 0)是可行的，但如果出现优化不收敛（fit$convergence != 0），可以尝试基于简单OLS估计初始值，比如先拟合y ~ y_lag + x，用系数作为c、phi1、beta的初始值，再取log(sigma)为OLS残差标准差的对数。
• 标准误的转换：当前计算的se是优化参数（c、phi1、alpha、log(sigma)）的标准误，若要得到原模型参数beta和sigma的标准误，需要通过delta方法转换：

  # 计算beta的标准误
  se_beta <- final_params["beta"] * se[3]
  # 计算sigma的标准误
  se_sigma <- final_params["sigma"] * se[4]
  # 整理最终参数与标准误
  final_results <- data.frame(
    Estimate = c(final_params),
    Std.Error = c(se[1], se[2], se_beta, se_sigma)
  )
  

• 收敛性验证：拟合完成后务必检查fit$convergence是否为0，若不为0说明优化未收敛，需要调整初始值或更换优化方法（比如使用method = "L-BFGS-B"并设置参数边界）。
• 稳定性测试：可以尝试用不同的优化方法（如Nelder-Mead）重复拟合，对比参数估计结果，确保估计的稳定性。

内容的提问来源于stack exchange，提问作者stats_noob