Question

鉴于我正在通过for循环强制使Hessian为8x8，为什么我会得到它是2x1的错误？

运行8x8 Hessian以在nx8回归数据集上生成maxLik。得到一个错误，即Hessian是2x1而不是8x8，即使这是在 Hessian [i，j]＆lt; - 中强制执行的。

x <- independent.variable.matrix.nby8
param <- c(1,1,1,1,1,1,1,1)

Hessian <- matrix(ncol=8,nrow=8)
hess.lik <- function(param) {
  loglambd <- x%*%param       
  lambd <- exp(loglambd)
  for (i in 1:8){
    for (j in 1:8){
      moment <- x[,i]*x[,j]
      return(dim(moment))
      Hessian[i,j] <- -sum(moment%*%lambd)
    } 
  }
}

数据集x是nxk（4406x8）。
param（估计器的初始迭代，start = maxLik下的参数）向量是8个数字字符串，因此loglambda是（nxk）％*％（8x1）和nx1向量。正确？
然后是nx1 * nx1，即nx1作为元素乘法。正确？
并且Hessian的每个元素都应该是标量，因为它是一个求和的kx1向量（来自时刻％*％lambda的结果）。这部分代码是不一致的。

主要的qn是，即使部分不是正确的维度（可能），Hessian [i，j＆lt; - -sum（vector）应该形成一个标量，通过{i，j}在1：8中循环应该强制8x8。为什么这不起作用？

计算Hessian的维度误差（最大可能性）

0 个答案: