高教社高级计量经济学教学课件3.pdfVIP

高级计量经济学 第二讲：核心估计方法 （Estimation Methods） 陈诗一、陈登科 （复旦大学经济学院） 1  最小二乘法 （Least Squares Method ，OLS ）  M 估计方法 （M-Estimation）  极大似然估计法 （Maximum Likelihood Estimation ，MLE ）  广义矩估计法 （Generalized Method of Moments，GMM ）  GMM 法放到第三讲——因果识别部分。 2 最小二乘估计 （Least Squares Method） 3  最小二乘方法的逻辑起点 ( ) [ ( )]2  条件期望 | 使得预测误差平方期望值 − 最小： ∗ ( ) ( ) [ ( )]2 ≡ | = arg min − { ( ) } ∈ℳ  泛函优化问题。 ( ) ( )  参数化，假定 = , 则有： [ ( )]2 LS = arg min − , {∈ℬ} 1 1  其中， = [2 ] ， = [2 ] 。 ⋮ ⋮  参数优化问题。  最小二乘方法 （Least Squares Method ） 4 ( ) ( ) 图：条件期望 | 与 , LS ( ) 注释：条件期望 | （利用五角星符号来标注）是所有关于 函数（大圆集合表示）中使得预测误差期望 ( ) { ( ) } 值最小的函数，而 , LS （利用米星符号来标注）只是 , , ∈ ℬ 这个函数集合（小圆集合表示）中 使得预测误差期望值最小的函数。 5  线性最小二乘方法（OLS）：参数的识别与估计  线性最小二乘方法或普通最