A note on composite likelihood inference and model selection
复合似然推断与模型选择札记AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确将方法应用于计数时间序列的动态广义线性模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
复合似然推断与模型选择札记
- 研究问题
- 当完整似然或贝叶斯方法计算困难时，如何利用数据子集的有效似然构件，统一开展参数推断与模型选择？
- 方法与思路
- 作者组合若干有效似然对象，提出基于复合似然的信息准则，并以计数时间序列的动态广义线性模型等展示应用。
- 材料陈述的贡献
- 摘要称提供复合似然推断与模型选择的整合思路，引入相应信息准则，并展示计数时间序列及间歇泉数据应用。
- 阅读关注点
- 核对信息准则的具体形式、复杂度惩罚与理论依据，以及复合似然构件如何选择、应用中如何评估模型。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；有效推断所需条件、准则性质及实际计算收益未说明，不能推断刊本变化。
原文摘要
A composite likelihood consists of a combination of valid likelihood objects, usually related to small subsets of data. The merit of composite likelihood is to reduce the computational complexity so that it is possible to deal with large datasets and very complex models, even when the use of standard likelihood or Bayesian methods is not feasible. In this paper, we aim to suggest an integrated, general approach to inference and model selection using composite likelihood methods. In particular, we introduce an information criterion for model selection based on composite likelihood. We also describe applications to the modelling of time series of counts through dynamic generalised linear models and to the analysis of the well-known Old Faithful geyser dataset.