一节 最大似然估计.pptVIP

总体的对数似然函数为： 样本的对数似然函数为： 很明显若没有雅可比行列式项，参数的非线性最小二乘估计将是最大似然估计；但是，如果雅可比行列式包括θ，最小二乘法不是最大似然法。 最大化对数似然函数的一阶条件为： 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，雅克比行列式为1，最大对数似然估计才等 价于非线性最小二乘估计，条件如下： 四、异方差和序列相关的最大似然估计 1、思路 经典模型异方差问题或者序列相关问题的处理方法： 一类是变换模型，使之成为不再具有异方差性或者序列相关性的模型，然后采用OLS进行估计，例如WLS、GLS等； 一类是修正OLS估计量的标准差，纠正模型具有异方差性或者序列相关性时OLS估计量的非有效性，使得继而进行的统计推断（例如显著性检验、参数的置信区间估计等）仍然有效，例如White修正、Newey-West修正方法等。 非线性ML方法 将异方差问题或者序列相关问题看成一类非线性问题，采用ML估计，比较简单，可以同时得到结构参数估计量和反映异方差或者序列相关特征的分布参数估计量。 2、异方差的最大似然估计 被解释变量