Local Parameter Orthogonality With Application to Whittle Algorithm

汤家豪（Howell Tong），厦门大学邹至庄杰出访问教授，清华大学杰出访问教授，英国伦敦政经学院荣休教授，是香港中文大学统计系创始人兼首任系主任、香港大学研究生院创始人并担任首任院长及香港大学副校长。曾担任英国肯特大学数学与统计学院院长、英国伦敦政经学院统计系讲席教授兼混沌及时间序列研究中心创始主任、香港大学统计与精算系讲座教授等之职。汤家豪教授是国际著名的统计学家，是“非线性时间序列分析”的重要开拓者之一，门限时间序模型的提出者，在统计学领域取得了杰出的学术成就，获得英国皇家统计学会授予“佳氏银奖”，“中国国家自然科学奖二等奖”，和香港大学“杰出研究成就奖”等；当选为挪威科学与文学院外籍院士、国际数理统计学会会士、国际统计学会会士及精算学会荣誉会士等，还曾担任中国科学院数学与系统科学研究院名誉教授、新加坡国立大学Saw Swee Hock讲席教授、电子科技大学特聘讲席教授等。从2001年起，受邀为瑞典皇家科学院诺贝尔经济学奖提名委员会成员。他曾担任香港统计学会会长、伯努利协会欧洲区理事长、泛华统计学会评委会委员、英国皇家统计协会荣誉委员会委员等，JRSSB、Biometrika、Statistica Sinica等期刊副主编或编委，以及一些图书系列的主编、编委等。

Often the maximum likelihood estimation of  parameters beyond the location-scale setup encounters numerical problems. Cox and Reid (1987) developed a method called the local parameter orthogonality to mitigate the situation. However, they left a few unanswered questions. In this talk, I shall give an affirmative reply to one of them and show how it can lead to efficient algorithms with the celebrated Whittle algorithm for multivariate autoregressive modeling as a showcase.