Metodi di riduzione della distorsione in modelli ad effetti fissi incrociati e dati sparsi

In presenza di parametri di disturbo, lo strumento principe per effettuare le analisi inferenziali è la funzione di verosimiglianza profilo. Questa, nonostante sia trattata ordinariamente come una funzione di verosimiglianza, può condurre a delle stime inefficienti o anche inconsistenti quando il numero dei parametri di disturbo è elevato rispetto alla numerosità campionaria. In questo studio vengono esaminati alcuni metodi di riduzione della distorsione degli stimatori e di correzione della funzione di verosimiglianza profilo. Le metodologie vengono illustrate nell’ambito dei modelli ad effetti fissi incrociati, in contesti in cui siano presenti dati sparsi. Dopo una prima parte di rassegna sui metodi, seguono le applicazioni degli stessi a dati simulati e a dati reali.