Application of Likelihood Methods to Models Involving Large Numbers of Parameters
似然方法在含大量参数模型中的应用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：摘要讨论通用多参数似然推断和干扰参数消去，没有所列经济计量细分的直接文本依据。
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
似然方法在含大量参数模型中的应用
- 研究问题
- 在含有多个参数的模型中，如何从似然中消去干扰参数以推断关注参数，并理解不同消去方法的适用依据？
- 方法与思路
- 作者介绍积分似然、最大相对似然、条件似然、边际似然及二阶似然，并通过线性函数关系等模型展示其应用。
- 材料陈述的贡献
- 摘要称多种常见情境可采用客观方式消去非关注参数；边际与条件似然依赖似然分解，示例得到直观上合理的结果。
- 阅读关注点
- 应核对各种似然的定义、干扰参数消去的条件、所需因子分解，以及示例中对关注参数推断的具体依据。
- 阅读边界
- 仅据所给Crossref摘要；具体分解条件、推断误差与方法间比较未说明，不能把大量参数直接理解为现代高维渐近设定。
原文摘要
Summary Likelihood methods of dealing with some multiparameter problems are introduced and exemplified. Specifically, methods of eliminating nuisance parameters from the likelihood function so that inferences can be made about the parameters of interest are considered. In this regard integrated likelihoods, maximum relative likelihoods, conditional likelihoods, marginal likelihoods and second-order likelihoods are introduced and their uses illustrated in examples. Marginal and conditional likelihoods are dependent upon factorings of the likelihood function. They are applied to the linear functional relationship and to related models and are found to give intuitively appealing results. These methods indicate that in many situations commonly encountered objective methods of eliminating unwanted parameters from the likelihood function can be adopted. This gives an alternative method of interpreting multiparameter likelihoods to that offered by the Bayesian approach.