离散模型最大伪似然估计量的近 universal 一致性
统计方法学
2017-08-30 v4
摘要
当似然函数比其边缘分量和条件分量更难处理时，最大伪似然 (MPL) 估计量是最大似然 (ML) 估计量的有用替代方案。此外，MPL 估计量涵盖了大量估计技术，包括 ML 估计量、最大复合边缘似然估计量和最大成对似然估计量。在仅考虑离散模型（在可能可数无限的支撑集上）的估计时，我们表明，对基于熵的度量施加一个简单的有限性假设，足以评估 MPL 估计量的一致性。因此，我们证明了任何有界支撑集上离散模型的 MPL 估计量都将是一致的。我们的结果在参数、半参数和非参数设定下均有效。
引用
@article{arxiv.1701.04172,
title = {Near Universal Consistency of the Maximum Pseudolikelihood Estimator for Discrete Models},
author = {Hien D. Nguyen},
journal= {arXiv preprint arXiv:1701.04172},
year = {2017}
}