Estimación de verosimilitud cuasi máxima

En estadística, una estimación de cuasi-máxima verosimilitud (QMLE) , también conocida como estimación de pseudoverosimilitud o estimación de verosimilitud compuesta , es una estimación de un parámetro θ en un modelo estadístico que se forma maximizando una función relacionada con el logaritmo de la función de verosimilitud , pero al discutir la consistencia y la matriz de varianza-covarianza (asintótica), asumimos que algunas partes de la distribución pueden estar mal especificadas. ^{[ 1 ] [ 2 ]} En contraste, la estimación de máxima verosimilitud maximiza la función de log-verosimilitud real para los datos y el modelo. La función que se maximiza para formar una QMLE suele ser una forma simplificada de la función de log-verosimilitud real. Una forma común de formar dicha función simplificada es usar la función de log-verosimilitud de un modelo mal especificado que trata ciertos valores de datos como independientes, incluso cuando en realidad pueden no serlo. Esto elimina cualquier parámetro del modelo que se utilice para caracterizar estas dependencias. Hacer esto solo tiene sentido si la estructura de dependencia es un parámetro molesto con respecto a los objetivos del análisis. ^{[ 3 ]} Siempre que la función de cuasi-verosimilitud que se maximiza no esté demasiado simplificada, la QMLE (o estimación de verosimilitud compuesta) es consistente y asintóticamente normal . Es menos eficiente que la estimación de máxima verosimilitud, pero puede ser solo ligeramente menos eficiente si la cuasi-verosimilitud se construye de manera que se minimice la pérdida de información relativa a la verosimilitud real. ^{[ 4 ]} Los enfoques estándar de inferencia estadística que se utilizan con estimaciones de máxima verosimilitud, como la formación de intervalos de confianza y estadísticas para la comparación de modelos, ^{[ 5 ]} pueden generalizarse al entorno de cuasi-máxima verosimilitud.

• Cuasi verosimilitud
• Métodos de máxima verosimilitud parcial para datos de panel