Get access

Reduce computation in profile empirical likelihood method

Authors


Abstract

Since its introduction by Owen (1988, 1990), the empirical likelihood method has been extensively investigated and widely used to construct confidence regions and to test hypotheses in the literature. For a large class of statistics that can be obtained via solving estimating equations, the empirical likelihood function can be formulated from these estimating equations as proposed by Qin and Lawless (1994). If only a small part of parameters is of interest, a profile empirical likelihood method has to be employed to construct confidence regions, which could be computationally costly. In this article the authors propose a jackknife empirical likelihood method to overcome this computational burden. This proposed method is easy to implement and works well in practice. The Canadian Journal of Statistics 39: 370–384; 2011 © 2011 Statistical Society of Canada

Abstract

Depuis leur introduction par Owen (1988, 1990), la méthode de vraisemblance empirique a été étudiée de façon exhaustive et elle est beaucoup utilisée dans la littérature pour construire des régions de confiance et confronter des hypothèses. Pour une grande classe de statistiques obtenues en résolvant des équations d'estimation, la fonction de vraisemblance empirique peut être formulée à partir de ces équations d'estimation telles que proposées par Qin et Lawless (1994). Lorsqu'uniquement une petite partie des paramètres sont d'intérêt, une méthode de vraisemblance empirique de profil doit être utilisée pour construire une région de confiance ce qui peut s'avérer très coûteux à évaluer numériquement. Dans cet article, les auteurs proposent une version jackknife de la méthode de vraisemblance empirique pour surmonter les coûts de calculs. Cette méthode est facile à implanter et elle fonctionne bien en pratique. La revue canadienne de statistique 39: 370–384; 2011 © 2011 Société statistique du Canada

Get access to the full text of this article

Ancillary