如何用maxLik包计算MLE？Newton-Raphson算法R代码报错求助

1. 错误根源 #

maxLik要求对数似然函数的第一个参数必须是待估计的参数向量theta，你写的obs.loglik把y放在第一个参数位置，导致函数调用时无法正确识别theta，触发"argument 'theta' is missing"错误。另外，原似然公式中平方项的括号位置有误，应该先对每个观测计算平方再求和，否则结果会偏离正确值。

2. 修正后的代码 #

调整参数顺序+修正似然公式 #

# 修正对数似然函数：theta作为第一个参数，调整平方项的括号位置
obs.loglik <- function(theta, y) {
  mu <- theta[1]
  sigma2 <- theta[2]
  lambda <- theta[3]
  n <- length(y)
  # 对每个观测计算平方后再求和
  sq_term <- sum( ((y^lambda - 1)/lambda - mu)^2 )
  # 对数似然公式
  -0.5*n*log(2*pi) - 0.5*n*log(sigma2) - sq_term/(2*sigma2) + (lambda - 1)*sum(log(y))
}

library(maxLik)

# 示例：模拟一组观测数据（替换为你的真实数据即可）
set.seed(123)
y <- exp(rnorm(100, mean=0.5, sd=0.3))

# 优化初始值：用lambda=0.5变换后变量的均值、方差作为mu、sigma²的初始值
init_mu <- mean((y^0.5 - 1)/0.5)
init_sigma2 <- var((y^0.5 - 1)/0.5)

# 调用maxLik，通过...传递y参数，显式指定Newton-Raphson方法
mle <- maxLik(obs.loglik, start=c(init_mu, init_sigma2, 0.5), y=y, method="Newton-Raphson")

# 查看估计结果
summary(mle)

3. 额外提示 #

• 初始值选择：用lambda初始值对应的变换后变量的统计量作为mu、sigma²的初始值，能提升算法收敛概率，避免因初始值偏离太远导致收敛失败。
• 收敛检查：若运行后提示收敛失败，可尝试微调lambda的初始值（比如0.4或0.6），或者增加迭代次数（通过control=list(maxIter=1000)参数设置）。

内容的提问来源于stack exchange，提问作者user367987