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)