Publicado
Versiones
- 2022-07-01 (2)
- 2022-07-01 (1)
UNDERSTANDING A LIKELIHOOD FLAT PROBLEM: INFERENCES ON THE RATIO OF REGRESSION COEFFICIENTS IN LINEAR MODELS
ENTENDIENDO UN PROBLEMA DE VEROSIMILITUD PLANA: INFERENCIAS SOBRE EL COCIENTE DE COEFICIENTES DE REGRESIÓN EN MODELOS LINEALES
DOI:
https://doi.org/10.15446/rev.fac.cienc.v11n2.97782Palabras clave:
Shape of the likelihood function; nested models; linear regression model; profile likelihood function. (en)Forma de la función de verosimilitud; modelos anidados; modelo de regresión lineal; función de verosimilitud perfil. (es)
Descargas
En este artículo analizamos una forma plana de la función de verosimilitud que surge cuando se realizan inferencias sobre la razón de dos coeficientes de regresión, en un modelo lineal. Debido a esta forma pueden obtenerse intervalos de verosimilitud-confianza de longitud infinita. En los casos que se discuten aquí, estos intervalos de verosimilitud-confianza están relacionados con el problema de modelos anidados. Es fundamental comprender las formas de la función de verosimilitud para criticar de manera legítima las inferencias por verosimilitud. Esto es de particular importancia ya que la función de verosimilitud es un ingrediente clave utilizado en muchos métodos inferenciales
Referencias
Berger, J. O., Liseo, B. & Wolpert, R. L. (1999). Integrated likelihood methods for eliminating
nuisance parameters. Statistical Science, 14(1), 1-22.
Breusch, T. S., Robertson, J. C. & Welsh, A. H. (1997). The emperor's new clothes: a critique of
the multivariate t regression model. Statistica Neerlandica, 51(3), 269-286.
Casella, G. & Berger, R. L. (2002). Statistical inference. Duxbury. Pacific Grove, CA.
Casella, G., Berger, R. L. & Santana, D. (2001). Solutions Manual for Statistical Inference.
Catchpole, E. A. & Morgan, B. J. (1997). Detecting parameter redundancy. Biometrika, 84(1),
-196.
Cheng, R. C. H. & Iles, T. C. (1990). Embedded models in three-parameter distributions and their estimation. Journal of the Royal Statistical Society. Series B (Methodological), 52(1), 135-149.
Cole, S. R., Chu, H. & Greenland, S. (2013). Maximum likelihood, profile likelihood, and penalized likelihood: a primer. American Journal of Epidemiology, 179(2), 252-260.
Cox, D. R. (2006). Principles of statistical inference. Cambridge university Press. Cambridge.
El Adlouni, S., Ouarda, T. B., Zhang, X., Roy, R. & Bobée, B. (2007). Generalized maximum
likelihood estimators for the nonstationary generalized extreme value model. Water Resources Research, 43 (3), W03410.
Farcomeni, A.& Tardella, L. (2012). Identifiability and inferential issues in capture-recapture experiments with heterogeneous detection probabilities. Electronic Journal of Statistics, 6, 2602-2626.
Fay, M. P., Noubary, F. & Saul, A. (2009). Robust Noninferiority Tests for Potency of a Test Drug
Against a Reference Drug. Statistics in Biopharmaceutical Research, 1(3), 291-300.
Frery, A. C., Cribari-Neto, F. & De Souza, M. O. (2004). Analysis of minute features in speckled
imagery with maximum likelihood estimation. EURASIP Journal on Advances in Signal
Processing, 2004(16), 2476-2491.
Ghosh, M., Datta, G. S., Kim, D. & Sweeting, T. J. (2006). Likelihood-based inference for the ratios of regression coeficients in linear models. Annals of the Institute of Statistical Mathematics, 58(3), 457-473.
Ghosh, M., Yin, M. & Kim, Y. H. (2003). Objective Bayesian inference for ratios of regression
coeficients in linear models. Statistica Sinica, 13(2), 409-422.
Harter, H. L. & Moore, A. H. (1966). Local-maximum-likelihood estimation of the parameters of
three-parameter lognormal populations from complete and censored samples. Journal of the
American Statistical Association, 61(315), 842-851.
Hirschberg, J. & Lye, J. (2010). A reinterpretation of interactions in regressions. Applied Economics Letters, 17(5), 427-430.
Kalbfleisch, J. G. (1985). Probability and Statistical Inference, Vol. 2. Springer-Verlag. New York.
Kreutz, C., Raue, A., Kaschek, D.& Timmer, J. (2013). Profile likelihood in systems biology. The
FEBS journal, 280(11), 2564-2571.
Li, R. & Sudjianto, A. (2005). Analysis of computer experiments using penalized likelihood in
Gaussian Kriging models. Technometrics, 47(2), 111-120.
Lima, V. M. & Cribari-Neto, F. (2019). Penalized maximum likelihood estimation in the modified
extended Weibull distribution. Communications in Statistics-Simulation and Computation,
(2), 334-349.
Liu, S., Wu, H. & Meeker, W. Q. (2015). Understanding and addressing the unbounded "likelihood" problem. The American Statistician, 69(3), 191-200.
Martins, E. S. & Stedinger, J. R. (2000). Generalized maximum-likelihood generalized extreme value quantile estimators for hydrologic data. Water Resources Research, 36(3), 737-744.
Martins, E. S. & Stedinger, J. R. (2001). Generalized maximum likelihood Pareto-Poisson estimators for partial duration series. Water Resources Research, 37(10), 2551-2557.
Montoya, J. A., Díaz-Francés, E.& Sprott, D. A. (2009). On a criticism of the profile likelihood
function. Statistical Papers, 50(1), 195-202.
Pewsey, A. (2000). Problems of inference for Azzalini's skewnormal distribution. Journal of Applied Statistics, 27(7), 859-870.
Raue, A., Kreutz, C., Maiwald, T., Bachmann, J., Schilling, M., Klingmüller, U. & Timmer, J.
(2009). Structural and practical identifiability analysis of partially observed dynamical models
by exploiting the profile likelihood. Bioinformatics, 25(15), 1923-1929.
Rawlings, J. O., Pantula, S. G. & Dickey, D. A. (1998). Applied regression analysis: a research tool. Springer-Verlag. New York.
Rosenblad, A. K. (2020). The mean, variance, and bias of the OLS based estimator of the extremum of a quadratic regression model for small samples. Communications in Statistics-Theory and Methods, 51(9), 2870-2886.
Searle, S. R. & Gruber, M. H. (1971). Linear models. John Wiley & Sons. New York.
Sprott, D. A. (2008). Statistical inference in science. Springer-Verlag. New York.
Sundberg, R. (2010). Flat and multimodal likelihoods and model lack of fit in curved exponential families. Scandinavian Journal of Statistics, 37(4), 632-643.
Tsionas, E. G. (2001). Likelihood and Posterior Shapes in Johnson's System. Sankhya: The Indian Journal of Statistics, Series B, 63(1), 3-9.
Tumlinson, S. E. (2015). On the non-existence of maximum likelihood estimates for the extended exponential power distribution and its generalizations. Statistics & Probability Letters, 107, 111-114.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2022 Revista de la Facultad de Ciencias
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores o titulares del derecho de autor de cada artículo confieren a la Revista de la Facultad de Ciencias de la Universidad Nacional de Colombia una autorización no exclusiva, limitada y gratuita sobre el artículo que una vez evaluado y aprobado se envía para su posterior publicación ajustándose a las siguientes características:
1. Se remite la versión corregida de acuerdo con las sugerencias de los evaluadores y se aclara que el artículo mencionado se trata de un documento inédito sobre el que se tienen los derechos que se autorizan y se asume total responsabilidad por el contenido de su obra ante la Revista de la Facultad de Ciencias, la Universidad Nacional de Colombia y ante terceros.
2. La autorización conferida a la revista estará vigente a partir de la fecha en que se incluye en el volumen y número respectivo de la Revista de la Facultad de Ciencias en el Sistema Open Journal Systems y en la página principal de la revista (https://revistas.unal.edu.co/index.php/rfc/index), así como en las diferentes bases e índices de datos en que se encuentra indexada la publicación.
3. Los autores autorizan a la Revista de la Facultad de Ciencias de la Universidad Nacional de Colombia para publicar el documento en el formato en que sea requerido (impreso, digital, electrónico o cualquier otro conocido o por conocer) y autorizan a la Revista de la Facultad de Ciencias para incluir la obra en los índices y buscadores que estimen necesarios para promover su difusión.
4. Los autores aceptan que la autorización se hace a título gratuito, por lo tanto renuncian a recibir emolumento alguno por la publicación, distribución, comunicación pública y cualquier otro uso que se haga en los términos de la presente autorización.
5. Todos los contenidos de la Revista de la Facultad de Ciencias, están publicados bajo la Licencia Creative Commons Atribución – No comercial – Sin Derivar 4.0.
MODELO DE CARTA DE PRESENTACIÓN y CESIÓN DE DERECHOS DE AUTOR