stata上机实验第二讲.pptVIP

极大似然估计 优点： 1。在所有一致的、渐近正态的估计量中，MLE是渐进最优的。 2。大样本数据，特别是非线性回归的估计具有优势。 缺点： 1。需要假设特定的概率密度形式。 2。小样本性质一般。 极大似然估计MLE MLE 的基本步骤 1. 推导最大似然函数 2. 编写似然函数的stata程序(可选：似然函数的一阶和二阶导数d1,d2) 3. 设定解释变量和被解释变量： ml model 命令 4. 估计最大似然函数：ml maximize 命令 我们举一个最简单的多元线形回归的例子，更复杂的例子我们将在“stata编程”部分介绍。 假设x_i 服从均值为mu, 标准差为sigma^2的正态分布。 打开程序：doedit myprog.ado 执行MLE: 例一： sysuse auto,clear ml model lf myprog (price= weight length foreign)(sigma:) ml max 和OLS比较：reg price weight length foreign 回归系数完全相同 例二： use production,clear ml model lf myprog (lny= lnk lnl)(sigma:) ml max 例三：附加约束的MLE cons def 1