有限次元の興味あるパラメータと無限次元の局外パラメータを含む分布モデルをセミパラメトリックモデルという．セミパラメトリックモデルのうち，特に無限次元の局外パラメータが確率分布である場合に対して，局外パラメータを経験尤度に基づくプロファイル尤度を用いて推定する方法が最近注目されている[1]．この方法の利点は，局外パラメータである確率分布に対して特定のモデルを仮定することなく，興味あるパラメータを推定できることである．一方で，局外パラメータが有限次元の場合であっても，その次元が高い場合にはプロファイル尤度による推定は精度が良くない．
本発表ではセミパラメトリックモデルの経験尤度に基づくプロファイル尤度に対して，修正プロファイル尤度[2]を構成することで，推定の精度を改善する手法を提案する． 発表では提案手法を順序データ対のロジスティック回帰モデルに適用した場合について述べ，前回の発表で課題であったパラメータ直交化の問題を解決し，実際に数値実験において推定の精度が改善したことを示す．

[1] Qin, J. and Zhang, B. : Marginal likelihood, conditional likelihood and empirical likelihood: Connections and applications. Biometrika, Vol. 92, No. 2 (2005), pp. 251--270.
[2] Barndorff-Nielsen, O. : On a formula for the distribution of the maximum likelihood estimator. Biometrika, Vol.70 (1983), pp. 343--365.