估算（GLE 模型）
方法 选择要使用的极大似然估计方法；可用选项包括：
- Fisher 评分
- Newton-Raphson
- 混合
最大 Fisher 迭代次数 请指定非负整数。值为 0 指定 Newton-Raphson 方法。如果值大于 0，那么指定最多使用迭代次数 n 次 Fisher 评分算法，其中 n 是指定的整数，其后是 Newton-Raphson。
尺度参数方法 选择估算尺度参数的方法；可用选项包括：
- 极大似然估计
- 固定值。您还可以设置要使用的值。
- 偏差
- Pearson 卡方
负二项式方法 选择估算负二项式辅助参数的方法；可用选项包括：
- 极大似然估计
- 固定值。您还可以设置要使用的值。
执行非负最小平方。选择此选项以执行非负最小平方 (NNLS) 估计。NNLS 是一种受约束最小平方问题类型，其中不允许系数变为负值。并非所有数据集都适用于 NNLS，它需要预测变量和目标之间存在正相关性或没有相关性。
参数收敛 (Parameter Convergence) 如果参数估计值的最大绝对变化或最大相对变化小于指定的非负值，那么假设收敛性。如果指定的值等于 0，那么不使用该准则。
对数似然收敛 如果对数似然函数的绝对变化或相对变化小于指定的非负值，那么假设收敛性。如果指定的值等于 0，那么不使用该准则。
Hessian 收敛 对于绝对指定，如果基于 Hessian 的统计小于指定的值，那么假设收敛性。对于相对指定，如果统计小于指定值与对数似然估计的绝对值的乘积，那么假设收敛性。如果指定的值等于 0，那么不使用该准则。
最大迭代次数 您可指定算法执行的最大迭代次数。此算法使用包含内层循环和外层循环的双迭代式过程。指定的最大迭代次数值适用于这两个循环。请指定非负整数。缺省值为 100。
奇异性容差 此值在检查奇异性时用作容错。请指定一个正值。
注： 缺省情况下使用参数收敛，在此设置中，将检查容差为 1E-6 的最大绝对更改。此设置可能会生成与 V17 之前的版本中获取的结果不同的结果。要重现 V17 之前的版本中的结果，请对“参数收敛”准则使用相对，并保留缺省容差值 1E-6。