演講嘉賓：喬亨（Henry Qiao ），寧德新能源科技有限公司， 6Sigma/TRIZ推進負責人
演講主題：應用Firth懲罰最大似然估計在GLM中解決資料分離問題
演講摘要：
在二項資料建模中，常常會遇到p的取值範圍為[0，1]，而一般的線性模型響應𝑦的值域為(−∞,+∞)；p與因子x之間非線性；p針對不同的因子x取值變異數不等的情況。當解釋變數較多，樣本量較小，且資料分佈不均衡時擬合容易出現分離問題，而應用Firth 懲罰最大似然估計是較好解決資料分離問題的一種方法。 Firth懲罰最大似然估計（PMLE=Penalized Maximum Likelihood Estimation）的基本想法是，在對數似然函數中加入懲罰項，從而將參數最大似然估計值的偏差減少。最大似然估計MLE基於漸進理論，依賴樣本空間內各資料點的佈局；當樣本量較大，資料分佈均衡時可獲得較理想的結果。本影片將透過實際案例詳細介紹如何應用Firth懲罰最大似然估計在GLM中解決資料分離問題。
