On specification tests for composite likelihood inference
复合似然推断的模型设定检验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：摘要提出通用复合似然设定检验，没有明确涉及所列领域细分的特定模型或研究对象。
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…
复合似然推断的模型设定检验
- 研究问题
- 复合似然由条件或边际模型组成时，如何检验这些组成模型是否正确设定，从而评估相应推断的有效性？
- 方法与思路
- 作者利用正确设定下各组成部分满足第二 Bartlett 恒等式这一性质，以复合信息矩阵与敏感度矩阵的差异构造检验。
- 材料陈述的贡献
- 摘要称提出一类通用设定检验，研究其中三个重要情形在原假设和局部备择下的极限分布，并评估有限样本表现。
- 阅读关注点
- 应核对两类矩阵的定义、检验可识别哪些设定偏误、三个情形的适用条件，以及局部功效和有限样本校准方式。
- 阅读边界
- 仅据所给 Crossref 摘要，不能判断检验对所有模型错误是否有功效，也无法确认复杂数据下的具体适用范围或版本变化。
原文摘要
Summary Composite likelihood functions are often used for inference in applications where the data have a complex structure. While inference based on the composite likelihood can be more robust than inference based on the full likelihood, the inference is not valid if the associated conditional or marginal models are misspecified. In this paper, we propose a general class of specification tests for composite likelihood inference. The test statistics are motivated by the fact that the second Bartlett identity holds for each component of the composite likelihood function when these components are correctly specified. We construct the test statistics based on the discrepancy between the so-called composite information matrix and the sensitivity matrix. As an illustration, we study three important cases of the proposed tests and establish their limiting distributions under both null and local alternative hypotheses. Finally, we evaluate the finite-sample performance of the proposed tests in several examples.