最大似然估计法61最大似然估计法的定义假设.pdfVIP

教学用PPT ，《高级计量经济学及Stata 应用》，陈强编著，高等教育出版社，© 2010 年 第6 章 最大似然估计法 6.1 最大似然估计法的定义 {y , , y } 假设 1 n 为独立同分布，则样本数据的联合密度函数 为f (y ; θ) f (y ; θ) f (y ; θ) 。 1 2 n 1 定义“似然函数”为， n L (θ; y , , y ) = f (y ; θ) 1 n ∏ i (6.1) i=1 把似然函数取对数，将乘积形式转化为求和形式， n ln L (θ; y , , y ) =∑ ln f (y ; θ) 1 n i=1 i (6.2) “最大似然估计法”（Maximum Likelihood Estimation ， 2 MLE ）的思想是，给定样本取值后，该样本最有可能来自 ˆ θ θ 参数 为何值的总体。即寻找 ，使得观测到样本数据的 ML 可能性最大，即最大化“对数似然函数”。 max ln L(θ; y) (6.3) θ∈Θ 假设存在唯一内点解，则一阶条件为， ∂ln L(θ; y) s(θ; y) ≡ ∂θ =0 (6.4) 即对数似然函数的梯度向量s(θ; y) 0 为 。该向量也被称为 3 “得分函数”或“得分向量”。 可将得分函数分解为， n ∂ ln f (y ; θ) n ∂ f y θ n ∂ L θ y ln ( ; ) ln ( ; ) ∑i=1 i i ( ; y) s ( ; y s θ ≡ ∂θ = ∂θ =∑ ∂v ≡∑ i θ i ) (6.5) i=1 i=1 二阶条件要求