史蒂文·E·斯特恩。 在多维参数的情况下，对轮廓可能性进行二阶调整。 （英语） Zbl 0889.62044号 J.R.Stat.Soc.，塞尔维亚。B 59，第3期，653-665（1997）. 小结：在存在干扰参数的情况下，通常通过使用剖面似然比统计的近似值进行推断。然而，在小样本中，此类程序的准确性可能较差，部分原因是轮廓似然不表现为真正的似然，特别是轮廓得分偏差和信息偏差不会消失。为了更好地解释干扰参数，各种研究人员建议，推断应基于剖面似然函数的附加调整版本。对轮廓可能性的每个调整通常都会降低相关轮廓得分统计的偏差。然而，这些调整不适用于为其制定的特定参数框架之外。特别是，当需要推断的参数是多维的时，通常很难甚至不可能应用它们。我们提出了一个新的调整函数，该函数可使调整后的轮廓似然具有较低的分数和信息偏差，并且易于应用于一般参数框架，包括向量值参数的情况。文中给出了一些例子，以检验新的调整后轮廓可能性在小样本中的性能，并将其与其他调整后轮廓似然的性能进行了比较。 引用于1审查引用于13文件 MSC公司： 62甲12 多元分析中的估计 关键词：加性调整；渐近修正；偏差减小；信息偏差；乘法调整；妨害参数；正交参数；参数化不变性；个人资料得分；分数偏差 PDF格式BibTeX公司 XML格式引用 \textit{S.E.Stern}，J.R.Stat.Soc.，Ser.（序列号：。B 59，编号3，653--665（1997；Zbl 0889.62044）