Likelihood functions for inference in the presence of a nuisance parameter
存在干扰参数时用于推断的似然函数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：摘要属于含干扰参数的通用似然推断理论，未提供所列细分领域的直接证据。
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
存在干扰参数时用于推断的似然函数
- 研究问题
- 存在向量干扰参数时，如何为标量目标参数构造具有真实对数似然局部性质的伪对数似然，并改进推断？
- 方法与思路
- 作者建立按近似阶数定义的局部对数似然理论，分析常见伪似然，并比较使用最大似然及其他干扰参数估计的做法。
- 材料陈述的贡献
- 摘要称二阶局部对数似然具有若干良好性质；示例提示干扰参数相对样本量较多时，其他估计方式可能改善推断。
- 阅读关注点
- 应核对各阶局部似然的定义与条件、二阶性质的具体含义，以及替代干扰参数估计改善推断的例子和评价依据。
- 阅读边界
- 摘要未列出构造条件或改善幅度，示例提示不能推广为替代最大似然的一般优势；所用索引稿件版本未注明。
原文摘要
Consider inference about a scalar parameter of interest Θ in the presence of a vector nuisance parameter. Inference about Θ is often based on a pseudolikelihood function. In this paper, the general problem of constructing a pseudo-loglikelihood function H(Θ) is considered. Conditions are given under which H has the same properties as a genuine loglikelihood function for a model without a nuisance parameter. When these conditions are satisfied to a given order of approximation, H is said to be a jth-order local loglikelihood function. The theory of local loglikelihood functions is developed and it is shown that second-order versions of these have a number of desirable properties. Several commonly used pseudolikelihood functions are studied from this point of view. One commonly used pseudolikelihood function is profile likelihood in which parameters other than Θ are replaced by their maximum likelihood estimates. A second aspect of the paper is to consider the use of other estimates in this context. Examples are given which suggest that inference about Θ may be improved if a method other than maximum likelihood is used, particularly when the number of other parameters is large relative to the sample size.