ในทางสถิติการประมาณค่าความน่าจะเป็นสูงสุดแบบกึ่ง (QMLE)หรือที่รู้จักกันในชื่อการประมาณค่าความน่าจะเป็นเทียมหรือการประมาณค่าความน่าจะเป็นแบบผสมคือการประมาณค่าพารามิเตอร์θในแบบจำลองทางสถิติที่สร้างขึ้นโดยการเพิ่มค่าสูงสุดของฟังก์ชันที่เกี่ยวข้องกับลอการิทึมของฟังก์ชันความน่าจะเป็นแต่ในการอธิบายความสอดคล้องและเมทริกซ์ความแปรปรวนร่วม (เชิงอะซิมโทติก) เราจะถือว่าบางส่วนของการแจกแจงอาจมีการระบุผิดพลาด^{[ 1 ] [ 2 ]} ในทางตรงกันข้าม การประมาณ ค่าความน่าจะเป็นสูงสุดจะเพิ่มค่าสูงสุดของฟังก์ชันลอการิทึมความน่าจะเป็นจริงสำหรับข้อมูลและแบบจำลอง ฟังก์ชันที่ถูกเพิ่มค่าสูงสุดเพื่อสร้าง QMLE มักจะเป็นรูปแบบที่ง่ายขึ้นของฟังก์ชันลอการิทึมความน่าจะเป็นจริง วิธีทั่วไปในการสร้างฟังก์ชันที่ง่ายขึ้นดังกล่าวคือการใช้ฟังก์ชันลอการิทึมความน่าจะเป็นของแบบจำลองที่ระบุผิดพลาดซึ่งถือว่าค่าข้อมูลบางค่าเป็นอิสระต่อกัน แม้ว่าในความเป็นจริงแล้วอาจจะไม่เป็นเช่นนั้นก็ตาม วิธีนี้จะช่วยขจัดพารามิเตอร์ใดๆ จากแบบจำลองที่ใช้ในการกำหนดลักษณะการพึ่งพาเหล่านี้ การทำเช่นนี้จะสมเหตุสมผลก็ต่อเมื่อโครงสร้างการพึ่งพาเป็นพารามิเตอร์ที่ก่อให้เกิดความรำคาญต่อเป้าหมายของการวิเคราะห์ ^{[ 3 ]} ตราบใดที่ฟังก์ชันความน่าจะเป็นแบบกึ่งที่ถูกทำให้สูงสุดไม่ได้ถูกทำให้ง่ายเกินไป QMLE (หรือการประมาณค่าความน่าจะเป็นแบบผสม) จะมีความสอดคล้องและเป็นแบบปกติ เชิงอะซิมโทติก มันมีประสิทธิภาพ น้อย กว่าการประมาณค่าความน่าจะเป็นสูงสุด แต่อาจมีประสิทธิภาพน้อยกว่าเพียงเล็กน้อยหากความน่าจะเป็นแบบกึ่งถูกสร้างขึ้นเพื่อลดการสูญเสียข้อมูลเมื่อเทียบกับความน่าจะเป็นจริง^{[ 4 ]} วิธีการมาตรฐานในการอนุมานทางสถิติที่ใช้กับการประมาณค่าความน่าจะเป็นสูงสุด เช่น การสร้างช่วงความเชื่อมั่น และสถิติสำหรับการเปรียบเทียบแบบจำลอง^{[ 5 ]}สามารถนำไปใช้กับการตั้งค่าความน่าจะเป็นสูงสุดแบบกึ่งได้

• ความน่าจะเป็นเสมือน
• วิธีการความน่าจะเป็นบางส่วนสำหรับข้อมูลแบบพาเนล