En estadística, una estimación de verosimilitud cuasi máxima (QMLE) , también conocida como estimación de pseudoverosimilitud o estimación de verosimilitud compuesta , es una estimación de un parámetro θ en un modelo estadístico que se forma maximizando una función relacionada con el logaritmo. de la función de verosimilitud , pero al analizar la consistencia y la matriz de varianza-covarianza (asintótica), asumimos que algunas partes de la distribución pueden estar mal especificadas. [1] [2] Por el contrario, la estimación de máxima verosimilitud maximiza la función logarítmica de verosimilitud real para los datos y el modelo. La función que se maximiza para formar un QMLE es a menudo una forma simplificada de la función logarítmica de verosimilitud real. Una forma común de formar una función tan simplificada es utilizar la función de probabilidad logarítmica de un modelo mal especificado que trata ciertos valores de datos como independientes, incluso cuando en realidad no lo son. Esto elimina cualquier parámetro del modelo que se utilice para caracterizar estas dependencias. Hacer esto sólo tiene sentido si la estructura de dependencia es un parámetro molesto con respecto a los objetivos del análisis. [3] Siempre que la función de cuasi verosimilitud que se maximiza no esté demasiado simplificada, el QMLE (o estimación de verosimilitud compuesta) es consistente y asintóticamente normal . Es menos eficiente que la estimación de máxima verosimilitud, pero puede ser sólo ligeramente menos eficiente si la cuasi-verosimilitud se construye de manera que se minimice la pérdida de información relativa a la probabilidad real. [4] Los enfoques estándar para la inferencia estadística que se utilizan con estimaciones de máxima verosimilitud, como la formación de intervalos de confianza y estadísticas para la comparación de modelos, [5] se pueden generalizar al entorno de cuasi-máxima verosimilitud.