复合似然比统计量的经验调整与模拟调整

复合似然推断因其计算上的可处理性及理论性质而广受欢迎。然而，由于复合似然比检验具有尴尬的渐近分布，执行该检验并不方便。为了恢复渐近卡方分布，已有许多关于调整复合似然比检验的提议，但它们都依赖于敏感性和变异性矩阵。Wald 型和 score 型对应方法也是如此。在实际应用中，敏感性和变异性矩阵通常需要被估计，但在这种情况下，基于复合似然的统计量的性能尚无比较。本文考虑了通常用于估计敏感性和变异性矩阵的两种方法，即利用独立观测值的经验方法和 Monte Carlo 模拟，比较了基于这些统计量的推断准确性。在两个涉及成对似然的示例中的结果表明，使用经验估计需要大量独立观测值才能获得准确的覆盖率，而从完整模型进行的有限模拟无论是否有独立观测值都能提供准确的结果。