小编tim*_*sad的帖子

我正在努力解决以下问题。简而言之：两个不同的软件包（Aptech 的 Gauss 和 R）在最大似然法中产生完全不同的 Hessian 矩阵。我使用相同的程序（BFGS），完全相同的数据，相同的最大似然公式（这是一个非常简单的 logit 模型），具有完全相同的起始值，令人困惑的是，我得到了相同的参数和 log-结果可能性。两个程序中只有 Hessian 矩阵不同，因此标准误差的估计和统计推断不同。

在这个特定的例子中，它并没有出现太大的偏差，但是模型的每一个增加的复杂性都会增加差异，所以如果我尝试估计我的最终模型，两个程序都会产生完全错误的结果。

有谁知道，这两个程序在计算 Hessian 矩阵的方式上有何不同，以及获得相同结果的正确方法可能是什么？

编辑：在 R （高斯）代码中，向量X ( alt ) 是自变量，由两列向量组成，第一列完全是 1，第二列是受试者的响应。向量y ( itn ) 是因变量，由一列和受试者的响应组成。该示例（R 代码和数据集）取自http://www.polsci.ucsb.edu/faculty/glasgow/ps206/ps206.html，只是作为重现和隔离问题的示例。

我已附上代码（高斯和 R 语法）和输出。

任何帮助将不胜感激。谢谢 ：）

高斯：

start={ 0.95568840 , -0.20459156 };

library maxlik,pgraph;
maxset;
_max_Algorithm = 2;
_max_Diagnostic = 1;
{betaa,f,g,cov,ret} = maxlik(XMAT,0,&ll,start);
call maxprt(betaa,f,g,cov,ret);
print _max_FinalHess;

proc ll(b,XMAT);
local exb, probo, logexb, yn, logexbn, yt, ynt, logl;

    exb = EXP(alt*b);
    //print exb;
    probo = exb./(1+exb); …