fa استنباط درستنمایی مرکب و ملاک انتخاب مدل در مدلهای مبتنی بر پارامتر استنباط آماری Statistical Inference پژوهشی بنیادی Research <p align="right">در مدلهای پارامتر مبنا، مشکل اساسی ترقیب درستنمایی این مدل و در واقع برآورد پارامترهای مدل است. یک روش برخورد با این مشکل استفاده از درستنمایی های ساده تر مانند درستنمایی مرکب است. در این مقاله پس از معرفی مدلهای پارامتر مبنا و درستنمایی مرکب، به معرفی یک ملاک انتخاب مدل مبتنی بر درستنمایی مرکب پرداخته ایم. در ادامه با استفاده از شبیه سازی، توانایی درستنمایی مرکب را در استنباط و انتخاب مدل صحیح در مدلهای پارامتر مبنا نشان داده ایم</p> In parameter driven models, the main problem is likelihood approximation and also parameter estimation. One approach to this problem is to apply simpler likelihoods such as composite likelihood. In this paper, we first introduce the parameter driven models and composite likelihood and then define a new model selection criterion based on composite likelihood. Finally, we demonstrate composite likelihood&#39;s capabilities in inferences and accurate model selection in parameter driven models throughout a simulation study. داد ه های شمارشی, مدلهای پارامتر مبنا, الگوریتم MCEM, درستنمایی مرکب, اطلاع کولبک لایبلر, زیرنمونه گیری پنجره ای. Count Data, Parameter Driven Models, MCEM Algorithm, Composite Likelihood, Kullback-Leibler Information, Window Subsampling. 1 17 http://jss.irstat.ir/browse.php?a_code=A-10-8-1&slc_lang=fa&sid=1 Hossein Baghishani حسین باغیشنی Baghishani@modares.ac.ir 10031947532846006856 10031947532846006856 Yes Departement of Statistics, Ferdowsi University, Mashhad, Iran. گروه امار، دانشگاه فردوسی مشهد Mohammad Mahdi Tabatabaei سیدمحمدمهدی طباطبایی 10031947532846006857 10031947532846006857 No Departement of Statistics, Ferdowsi University, Mashhad, Iran. گروه امار، دانشگاه فردوسی مشهد