Marginal likelihood, conditional likelihood and empirical likelihood: Connections and applications
边际似然、条件似然与经验似然的联系及应用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：摘要围绕通用半参数有限混合模型与经验似然，列举的应用不足以对应所给经济计量细分方向。
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
边际似然、条件似然与经验似然的联系及应用
- 研究问题
- 参数似然的条件与边际分解能否延伸到经验似然，并用于半参数有限混合模型中消除干扰参数和估计？
- 方法与思路
- 作者建立经验似然中的分解联系，以剖面经验似然处理半参数估计，并详细研究仅观察最小值与最大值的无序配对数据。
- 材料陈述的贡献
- 摘要称，参数似然的分解性质可延伸至经验似然，给出无序配对数据的估计分析、部分大样本结果及模拟研究。
- 阅读关注点
- 核对似然分解成立的模型条件、配对身份丢失后的可识别性，以及剖面估计的大样本性质和模拟设计。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；未列明具体大样本结论及其假设，应用清单不能视为各场景均已充分验证。
原文摘要
Marginal likelihood and conditional likelihood are often used for eliminating nuisance parameters. For a parametric model, it is well known that the full likelihood can be decomposed into the product of a conditional likelihood and a marginal likelihood. This property is less transparent in a nonparametric or semiparametric likelihood setting. In this paper we show that this nice parametric likelihood property can be carried over to the empirical likelihood world. We discuss applications in case-control studies, genetical linkage analysis, genetical quantitative traits analysis, tuberculosis infection data and unordered-paired data, all of which can be treated as semiparametric finite mixture models. We consider the estimation problem in detail in the simplest case of unordered-paired data where we can only observe the minimum and maximum values of two random variables; the identities of the minimum and maximum values are lost. The profile empirical likelihood approach is used for maximum semiparametric likelihood estimation. We present some large-sample results along with a simulation study.