原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
* 第九章 非线性回归与极大似然估计 一、非线性最小二乘估计 之前我们讨论的单方程回归模型都是因变量关于参数线性的，都可通过一定的变换化为标准线性回归模型。 本质上非线性的回归模型因变量关于参数是非线性的，不能变化为线性回归模型。 非线性回归模型： 其中f是k个自变量和p个回归系数的非线性函数。 用来决定系数估计值的标准与线性回归的标准一样，即误差平方和最小化，称为非线性最小二乘估计。 在线性回归情况下，求最小乘估计在计算上很简单。对于非性方程，有若干不同的寻找使误差平方和达到最小的系数估计方法。 泰勒级数展开法（循环线性法）： 令左边为一个新的因变量，右边 为一组新的自变量， 为未知参数，则原模型转化成线性模型，可以用普通最小二乘法来估计这些参数。 对这个方程运用普通最小二乘法，得到一组新估计值 。不断重复这个重新线性化的过程直到估计的参数收敛。 二、极大似然估计法 1、极大似然估计的思想 2、标准线性模型的极大似然估计 则似然函数是密度函数在所有N个观测处取值的连乘积： 3、非线性模型的极大似然估计 三、似然比检验和拉格朗日乘数检验 这两种检验所用统计量都是基于极大似然估计法的计算,可用于检验数据是否支持某些参数限制条件。 1、似然比检验（LR） LnL越大表明对数据的拟合程度越好，分母来自无条件模型，变量个数越多，拟合越好，因此分子小于分母，似然比在0到1间。分子是在原假设成立下参数的极大似然函数值，是零假设的最佳表示。而分母则表示在在任意情况下参数的极大似然函数值。比值的最大极限值为1，其值靠近1，说明局部的最大和全局最大近似，零假设成立可能性就越大。 用来对原假设进行检验的似然比统计量定义为： *
文档评论（0）