我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
许多领域的定量研究涉及对不同类型的多元数据的分析,包括我们可以考虑的二进制、有序和连续测量。分析这种混合数据的一种方法是使用copula模型,在该模型中,变量之间的关联与它们的单变量边际分布是分开参数化的。本文的目的是通过关联参数的一类秩似然函数,为copula模型提供一种简单、通用的半参数推断方法。所提出的推断方法可以看作是边际似然估计的推广,其中对感兴趣参数的推断是基于一个摘要统计,其抽样分布不是任何干扰参数的函数。在copula估计的背景下,扩展秩似然仅是关联参数的函数,其适用性不依赖于关于数据边际分布的任何假设,因此适合于分析具有任意边际分布的混合连续和离散数据。通过基于吉布斯抽样的直接马尔可夫链蒙特卡罗算法,可以对高斯copula的参数进行估计和推断。对于数据的单变量边际分布,不需要指定先验分布或参数形式。
彼得·霍夫(Peter D.Hoff)。 “扩展半参数copula估计的秩似然。” 附录申请。斯达。 1 (1) 265 - 283, 2007年6月。 https://doi.org/10.1214/07-AOAS107