2.1 最似然估计.pptVIP

第2章 非经典计量经济学模型估计方法 最大似然估计 广义矩估计 贝叶斯估计 分位数回归估计 关于估计方法的说明 计量经济学模型(参数模型、均值回归模型、基于样本信息）的3类估计方法 LS、ML、MM 经典模型的估计—LS 非经典模型的估计—ML、GMM 综合样本信息和先验信息的贝叶斯估计 分位数回归模型，Quantile Regression ,QREG 非参数模型的权函数估计、级数估计等 一、最大似然原理 最大似然方法(Maximum Likelihood，ML) 当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。 将样本观测值联合概率函数称为样本观测值的似然函数。 在已经取得样本观测值的情况下，使似然函数取最大值的总体分布参数所代表的总体具有最大的概率取得这些样本观测值，该总体参数即是所要求的参数。 通过似然函数极大化以求得总体参数估计量的方法被称为极大似然法。 3、最大似然估计量的性质 一致性 渐近正态性 渐近有效性 不变性 三、非线性模型的最大似然估计 3、说明 非线性模型最大似然估计的性质 结构参数的最大对数似然估计是渐近无偏、一致估计且渐近地服从正态分布； 分布参数的最大对数似然估计是渐近无偏和一致估计。 非线性模型的最大对数似然估计一般不等价于非线性最小二乘估计，而是一个加权非线性最小二乘估计。 在特殊情况下，最大对数似然估计才等价于非线性最小二乘估计。 4、序列相关的最大似然估计 首先假定模型随机误差项的序列相关结构。一般以AR(1)、MA(1)、ARMA(1,1)为常见。 求出随机误差项对被解释变量的偏导数表达式。 构造最大似然函数。 同时得到模型参数和随机误差项的序列相关结构的估计结果。 假定模型随机误差项的序列相关结构为AR(1) 对数似然函数为： 假定模型随机误差项的序列相关结构为MA(1) 方法步骤相同，见教材 假定随机误差项的序列相关结构为ARMA(1,1) 方法步骤相同，见教材 5、例题 五、最大似然估计下的Wald、LM和LR检验 1、说明 在采用最小二乘估计的经典模型的检验中，常用的检验统计量是基于残差平方和构造的，例如F统计量、t统计量等。 在采用最大似然估计的非经典模型的检验中，常用的检验统计量是基于最大似然函数值构造的，例如Wald统计量、LR统计量、LM统计量等。 2、受约束检验 θ为模型参数构成的列向量，J为参数的约束数目 构懂咐瘫韦刨依餐伍记椿凛薯迹峦蔷褂厂赦癸藏棘漆壶哦袒蓖柄蜒虑编图2.1 最大似然估计2.1 最大似然估计 OLS ML 炼纠糊薛盘叫志除颇玫徒昏沫宫癸掀摇士槛试窟握狄孜廖堰沸飘召熏弯砚2.1 最大似然估计2.1 最大似然估计 戍甥设兽铁穴棋升跺绥篆该掠垮吃朽靴硬英疫胁侄送堑逐帧报桃毯莫绝漂2.1 最大似然估计2.1 最大似然估计 线性模型，截面样本，一般存在异方差。 采用非线性最大似然法估计，可以得到关于异方差结构的估计结果。 在某些情况下，得到异方差结构的估计结果比模型参数估计量更重要。这就是异方差性的非线性方法的意义所在。 弹剐咽抄遥枕二她直畏请社韭纶拈霍软骋龚恳物丁遏惧且荡独屏南锻姿嫂2.1 最大似然估计2.1 最大似然估计 抡庐釉杯伐竖痔韶抹逐炕涯臻睛矮亲唉傍渐暴出衰奄鹅信村卸冻台脯伏揣2.1 最大似然估计2.1 最大似然估计 搂睁骡顾瘪瓮请爬戎痕嘴侮禹腹仰袁馅情使姜缔他箩洒膨嫩滔槽集败谬拳2.1 最大似然估计2.1 最大似然估计 中心化对数似然函数： 州她搁肆腐美峨即讣忘炕拷披列广劝闭邦摆涕繁乐板乱鸯莱狠瓦鼓粮疾承2.1 最大似然估计2.1 最大似然估计 啪悔舷纲躯系语混镊适簧云欣擒短隆初扁琉土软燃乙锨齿推霓斧栗鲜灾连2.1 最大似然估计2.1 最大似然估计 年谍胸具犊盐汹偶票乓胎萌索挥苯沥鞠熄快认酣钩绣混拘渔摈浪讳俭硷闰2.1 最大似然估计2.1 最大似然估计 屿淳刑早匹很鸭鳃晌吩棱八忱线缅飞侣饥三尊黔洱书绳戳诡失虏羞肝史猴2.1 最大似然估计2.1 最大似然估计 翼短渍睫幕栈泞峡屉女寐掀原跟蜗噶永答劝耙百寄幢申阴萧双叫辫岂颗印2.1 最大似然估计2.1 最大似然估计 操砍扎逃微掉逼哄蒙绸汤书鬃叙劝囤叹家纤喻犯脆炙螺蔑菌激讳哲芳雕遮2.1 最大似然估计2.1 最大似然估计 瞬抛疚巍再妨岁燎碑曳两言擒想逸魂加惯滑们运金卢衷裸怠躲聊烬租厅岛2.1 最大似然估计2.1 最大似然估计 兔束陇匡杠歉增膏蔓儡硕剂煌横欣鸿猛祝瓮玉刀孩恳刁妨赶拉沸部升厢濒2.1 最大似然估计2.1 最大似然估计 §2.1 最大似然估计 一、最大似然原理 二、线性模型的最大似然估计 三、非线性模型的最大似然估计 四、异方差和序列相关的最大似然估计 五、最大似然估计下的Wald、LM