Modèles de vraisemblance de profil et modèles paramétriques conditionnels

Dans cet article, nous décrivons une approche générale pour estimer le composant paramétrique d'un modèle semi-paramétrique. Dans le cas d'un composant paramétrique scalaire, la méthode est fondée sur l'idée d'estimer d'abord un sous-problème unidimensionnel du problème original qui est le moins favorable au sens de Stein. La fonction de vraisemblance pour le paramètre scalaire le long de ce sous-problème estimé peut être considérée comme une généralisation de la vraisemblance de profil pour le problème. Le paramètre scalaire est ensuite estimé en maximisant cette "vraisemblance de profil généralisée." Cette méthode d'estimation est appliquée à une classe particulière de modèles semi-paramétriques, où il est montré que l'estimateur résultant est asymptotiquement efficace.