Composite likelihood estimation in multivariate data analysis

Authors


Abstract

The authors propose two composite likelihood estimation procedures for multivariate models with regression/univariate and dependence parameters. One is a two-stage method based on both univariate and bivariate margins. The other estimates all the parameters simultaneously based on bivariate margins. For some special cases, the authors compare their asymptotic efficiencies with the maximum likelihood method. The performance of the two methods is reasonable, except that the first procedure is inefficient for the regression parameters under strong dependence. The second approach is generally better for the regression parameters, but less efficient for the dependence parameters under weak dependence.

Abstract

Estimation par vraisemblance composite pour I'analyse de données multivariées: Les auteurs proposent deux procédures d'estimation par vraisemblance composite applicables à des modèles multivariés comportant des paramètres de dépendance et de régression univariés. La première méthode consiste à estimer d'abord les marges univariées puis les marges bivariées. Dans la seconde, tous les paramètres sont estimés simultanément au moyen des marges bivariées. Dans certains cas particuliers, les auteun comparent l'efficacité asymptotique des deux approches à celle de la vraisemblance maximale. La performance des deux méthodes s'avère raisonnable, bien que la premiere soit inefficace pour l'estimation des paramttres de régression en cas de dépendance forte. La deuxième approche est généralement meilleure pour les paramètres de régression mais moins efficace pour l'estimation des paramètres de dépendance lorsque cette dernière est faible.

Ancillary