我如何优化 R 中的 MyMaximum-LikeliHood 函数

如何解决我如何优化 R 中的 MyMaximum-LikeliHood 函数

R 中的估计器。因此我需要从最大似然函数中获得最大值。我的评分函数是

LL <- function(theta){
  b0 <- theta[1]
  b1 <- theta[2]
  b2 <- theta[3]
  b3 <- theta[4]
  SigmaV <- theta[5]
  Gamma <- theta[6]
  res <- Y - b0 - b1 * X1 - b2 * X2 - b3*X3
  score <- 0
  for(i in 1:x){
    score <- score + log((2/(sqrt(SigmaV^2+Gamma^2))) * dnorm(res[i]/sqrt(SigmaV^2+Gamma^2))*pnorm((-res[i]/sqrt(SigmaV^2+Gamma^2))*(Gamma/SigmaV)))
  }
  score
}

因此它是对 SFA 模型的优化。

我尝试了很多选项（optim、mle2 和其他一些选项）。最好的方法之一是使用优化：

FitfürnormalenFall <- optim(c(1,1,0.2,0.3),LL,method = "BFGS",control=list(fnscale=-1))

但是起始值是随机的。我只是选择值。实际值是

a0 <- 0.9
a1 <- 0.6
a2 <- 0.5
a3 <- 1
sigmaV <- 0.25
gamma <- 0.3

但是我没有用这种算法接近值。哪个是我可以使用的优化方法，或者什么是好的起始值和其他优化指令，以便我接近真实值？