Maximum likelihood estimation using composite likelihoods for closed exponential families
闭合指数族中利用复合似然进行最大似然估计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：摘要讨论一般多变量模型的似然计算，未明确对应所列计量领域细分。
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…
闭合指数族中利用复合似然进行最大似然估计
- 研究问题
- 在多变量密度的归一化常数难以处理时，何时可以用较易计算的条件或边际复合似然获得完整似然的参数估计？
- 方法与思路
- 作者研究复合似然与完整似然最大化解的关系，重点讨论闭合指数族，并以对数线性、正态和方向数据模型说明。
- 材料陈述的贡献
- 摘要称闭合指数族中两种似然在任意观测数量下由相同参数值最大化；其他情形可将复合似然估计视为近似。
- 阅读关注点
- 应核对闭合指数族的定义、复合似然的具体组成，以及最大化解相同的条件与其他模型中近似误差的处理。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；相同最大化解不意味着所有推断性质相同，具体条件及近似精度未说明。
原文摘要
In certain multivariate problems the full probability density has an awkward normalizing constant, but the conditional and/or marginal distributions may be much more tractable. In this paper we investigate the use of composite likelihoods instead of the full likelihood. For closed exponential families, both are shown to be maximized by the same parameter values for any number of observations. Examples include log-linear models and multivariate normal models. In other cases the parameter estimate obtained by maximizing a composite likelihood can be viewed as an approximation to the full maximum likelihood estimate. An application is given to an example in directional data based on a bivariate von Mises distribution.