Fast inference in copula GLMs for categorical explanatory variables using Inference for margins coupling with OneStep approach
Inference rapide dans les modèles GLM à copule avec variables explicatives catégorielles en utilisant une procédure IFM -OSCFE
Résumé
In copula multivariate generalized linear models, the approach based on joint maximum likelihood estimator (MLE) may be time consuming. Alternative methods based on inference on the marginals (IFM) which consider MLE marginal estimations was been proposed in the literature. Nevertheless, despite the gain in term of calculation time, these approaches may be again time consuming due to high numbers of explanatory variables or modalities. In this paper, we propose a IFM approach based on an explicit, consistent and asymptotically ecient estimator for the margins which is considered in a recent article when all the explicative variables are categorical. This new estimator allows a real gain in term of computation time comparatively to the classical IFM approach.
Dans les modèles linéaires généralisés multivariés à copule, des approches d'estimation basées sur le maximum de vraisemblance (MLE) joint peuvent être coûteuses en temps de calcul. Des méthodes alternatives (IFM) basées sur l'estimation des modèles marginaux là encore par MLE ont été proposés dans la littérature, pouvant là encore se révéler toujours coûteuses malgré le gain évident par rapport au MLE. Dans ce papier nous proposons une approche basée sur l'estimation des modèles marginaux utilisant un estimateur explicite consistant et asymptotiquement efficace proposé dans un papier récent, lorsque toutes les covariables du modèle sont catégorielles. Ce nouvel estimateur permet un gain réel en temps de calcul, sans perte sur la qualité d'estimation des paramètres du modèle en comparaison avec l'approche IFM classique.
Domaines
Statistiques [math.ST]| Origine | Fichiers produits par l'(les) auteur(s) |
|---|