As described in Chapter 2, ASReml u

As described in Chapter 2, ASReml uses the Average Information algorithm to obtain maximum likelihood estimates of the variance parameters from the data. This requires iteration beginning from some starting values, at each step obtaining maximum likelihood estimates for one parameter at a time dependent on current values of the other parameters. These steps are repeated until the parameter estimates change only very little from step to step. This is referred to as ‘convergence’ on the maximum likelihood solution. Specifically, ASReml stops iterating if the successive REML log-likelihood (LogL) values of two iterations do not change more than 0.002 and if the parameter estimates are stable.

結果 (中文) 1:

第 2 章中所述，ASReml 使用平均信息算法从数据中获取最大似然估计的方差参数。这就需要从一些起始值，在每一步，获取最大似然估计的一个参数依赖于其他参数的当前值一次迭代开始。重复这些步骤直到参数估计改变只有很少一步又一步。这称为衔接的最大似然解。具体来说，ASReml 将停止迭代如果两个迭代的连续雷姆尔对数似然 (LogL) 值不改变超过 0.002 和参数估计，如果是稳定的。

結果 (中文) 2:

正如第2章所述，ASReml使用的平均信息算法获得的数据方差参数的最大似然估计。这需要一些起始值开始迭代中，在每一步在依赖于其它参数的当前值的时间获得的最大似然估计一个参数。重复这些步骤，直到参数估计从步骤到步骤很少只改变。这被称为对最大似然解“收敛”。具体地，ASReml停止迭代如果两次迭代的连续REML数似然（LogL）值不改变超过0.002，并且如果参数估计是稳定的。

結果 (中文) 3:

正如2章所述，ASReml采用平均信息的算法从数据中获得的方差参数的最大似然估计。这需要迭代从一些起始值开始，在每个步骤中获得的最大似然估计的一个参数的时间依赖于当前值的其他参数。重复这些步骤，直到参数估计只改变非常少，从步骤到步骤。这被称为“收敛”的最大似然解。具体来说，ASReml停止迭代，如果连续REML对数似然（LogL）两次迭代值变化不超过0.002，如果参数估计是稳定的。