【正文】 res的賦值語句計(jì)算了在每次計(jì)算時(shí)的殘差，而這被用做構(gòu)造權(quán)重序列。 ? ?? ?? ?????????????29122912222/ln)(ln2)(lnπ)2l n (229)(lntutt uttuzi n ccsL??????ψ 利用極大似然方法求解，作為 byobs語句的一個(gè)例子，考慮下面的說明： EViews用觀測值順序來計(jì)算模型，此種方式是先用第一個(gè)觀測值來計(jì)算所有的賦值語句，接下來是用第二個(gè)觀測值來計(jì)算所有的賦值語句，如此往復(fù)，直到估計(jì)樣本中所有觀測值都使用過。要用方程順序來計(jì)算，僅加一行關(guān)鍵字“ byeqn”。 在執(zhí)行這些賦值語句的時(shí)候 ，EViews總是從頂部到底部執(zhí)行 ， 所以后面計(jì)算要用到的表達(dá)式應(yīng)放在前面 。 2． 參數(shù)名 在上面的例子中 ， 我們使用了系數(shù) c(1) 到 c(5) 作為未知參數(shù)的名稱 。 語句的格式為： logL series_name 這里 logL是關(guān)鍵字 ， series_name是保存似然貢獻(xiàn)的序列的名字 ， 可以寫在似然說明的任何位置 。 本章下面的部分將更詳細(xì)地討論使用似然方法說明，估計(jì)和檢驗(yàn)時(shí)要遵循的規(guī)則。只需創(chuàng)建一個(gè)對數(shù)似然對象，把上面的賦值語句輸入到 logL的說明窗口，然后讓 EViews來估計(jì)這個(gè)模型。有 T個(gè)觀測值的樣本的對數(shù)似然函數(shù)可以寫成： 這里 ， ? 是標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù) 。用 EViews指定對數(shù)極大似然函數(shù)的說明是很容易的，因?yàn)樗迫缓瘮?shù)的說明只是一系列對序列的賦值語句，這些賦值語句在極大化的過程中被反復(fù)的計(jì)算。( ?? ? ψyLi?ψ? 因?yàn)? L(y 。 ???TttyPL1)()。 在本章 ， 我們將詳細(xì)論述對數(shù)極大似然估計(jì)對象 ，說明其一般特征 。雖然其應(yīng)用沒有最小二乘法普遍，但在計(jì)量經(jīng)濟(jì)學(xué)理論上占據(jù)很重要的地位，因?yàn)闃O大似然原理比最小二乘原理更本質(zhì)地揭示了通過樣本估計(jì)母體參數(shù)的內(nèi)在機(jī)理，計(jì)量經(jīng)濟(jì)學(xué)理論的發(fā)展更多的是以極大似然估計(jì)原理為基礎(chǔ)的，對于一些特殊的計(jì)量經(jīng)濟(jì)學(xué)模型，只有極大似然方法才是很成功的估計(jì)方法。 data (alter=zsw)。 PROC COPY語句選項(xiàng) 選項(xiàng)說明： I N | I N L I B | I N D D = 規(guī)定被拷貝的 S A S 數(shù)據(jù)庫，此項(xiàng)必須規(guī)定O U T | O U T L I B | O U T D D = 規(guī)定拷貝數(shù)據(jù)庫，此項(xiàng)必須規(guī)定M E M T Y P E | M T Y P E | M T = 規(guī)定被拷貝或移動(dòng)成員的類型M O V E 移走 I N = 數(shù)據(jù)庫中的相應(yīng)成員A L T E R = 移 動(dòng) 一 個(gè) 可 改 變 保 護(hù) 的 成 員 時(shí) ， 要 寫 上 原 來 的 改 變訪問口令I(lǐng) N D E X = Y E S / N O 規(guī) 定 拷 貝 數(shù) 據(jù) 集 時(shí) 是 否 拷 貝 該 數(shù) 據(jù) 集 的 索 引 。 proc append base=a data= (where=(year(date)=1999)) 。 proc print data=。 proc printto print=f。 /*輸出到文件標(biāo)記 */ 例 將運(yùn)行結(jié)果輸出到外部永久文件 。 選項(xiàng)說明 注意：一般情況下 ， PROC PRINTTO后面一定要加 RUN語句 。Totsplit Data Set39。 run。 end。 options nodate pageno=1 linesize=80 pagesize=40。 var length1length4。 結(jié)果顯示： O b s _ N A M E _ F M1 A g e 15 152 H e i g h t 6 6 . 5 6 6 . 53 W e i g h t 112 112proc transpose data= out=a let。 proc print。 沒有 VAR語句時(shí)，則沒有列在其它語句里的所有數(shù)值變量被轉(zhuǎn)置。 ID variable。 var date clpr。 proc sort data=a out=b。 BY語句中規(guī)定多個(gè)變量時(shí) ， SORT過程首先按第一個(gè)變量排序， 然后是第二個(gè)變量等 。 排序過程句法 PROC SORT option(s) collatingsequenceoption。 本章將介紹的數(shù)據(jù)管理過程： ? 數(shù)據(jù)集排序； ? 數(shù)據(jù)集轉(zhuǎn)置； ? 改變輸出地點(diǎn)； ? 添加觀測； ? 數(shù)據(jù)庫復(fù)制 。 沒有規(guī)定 OUT=選項(xiàng)時(shí)必須使用 FORCE的選項(xiàng)有： ? OBS=系統(tǒng)選項(xiàng)； ? FIRSTOBS=系統(tǒng)選項(xiàng)； ? DATA=數(shù)據(jù)集中的數(shù)據(jù)集選項(xiàng) WHERS=； ? PROC SORT 步用 WHERE語句 。 year=year(date)。 proc sort data= out=a。 轉(zhuǎn)置過程句法 PROC TRANSPOSE DATA=inputdataset LABEL=label LET NAME=name OUT=outputdataset PREFIX=prefix。 選項(xiàng)說明： D A T A = 規(guī)定被轉(zhuǎn)置的 S A S 數(shù)據(jù)集，省略時(shí)為最新創(chuàng)建的數(shù)據(jù)集O U T = 轉(zhuǎn)置后的 S A S 數(shù)據(jù)集，省略時(shí) S A S 系統(tǒng)產(chǎn)生一個(gè)名子為 D A T A n 的數(shù)據(jù)集P R E F I X = 規(guī)定轉(zhuǎn)置后數(shù)據(jù)集變量名的前綴N A M E = 規(guī)定轉(zhuǎn)置后數(shù)據(jù)集中的一個(gè)變量名，省略時(shí)該變量名為 _ N A M E _L A B E L = 規(guī)定轉(zhuǎn)置后變量的標(biāo)簽，省略該選項(xiàng)，且原數(shù)據(jù)集中至少有一個(gè)要轉(zhuǎn)置的變量有標(biāo)簽時(shí)，該變量標(biāo)簽為 _ L A B E L _LET 允許 ID 變量出現(xiàn)相同的值。 應(yīng)用舉例 例 ID變量的值為轉(zhuǎn)置后數(shù)據(jù)集的變量名。 id sex。 結(jié)果顯示： O bs S e x _N A M E _ F M1 F A ge 15 .2 F H e i gh t 66 . 5 .3 F W e i gh t 112 .4 M A ge . 155 M H e i gh t . 66 . 56 M W e i gh t . 112例 對每個(gè) BY組轉(zhuǎn)置。Fish Length Data for Each Location and Date39。 do Time=1 to 7。Split Data Set39。 run。 利用 SAS的 PRINTTO過程可以設(shè)定 SAS過程和日志的輸出地點(diǎn) 。 /*直接輸出到永久文件中 */ filename f1 39。d:\39。 log= 39。 選項(xiàng)說明： BASE=| OUT= 規(guī)定基本數(shù)據(jù)集的名子 DATA=| NEW= 規(guī)定要添加在基本數(shù)據(jù)集后面的數(shù)據(jù)集 名，缺省時(shí)使用最近創(chuàng)建的 SAS數(shù)據(jù)集 FORCE 強(qiáng)迫 PROC APPEND連接兩數(shù)據(jù)集 應(yīng)用舉例 例 有條件添加數(shù)據(jù)。 EXCLUDE SASfile(s) / MEMTYPE=mtype。 proc copy in=lib1 out=lib2 move。 select dat: (alter=zsw)。 使用對數(shù)極大似然估計(jì)對象估計(jì)時(shí) ， 我們用 EViews的序列生成器 ， 將樣本中各個(gè)觀測值的對數(shù)似然貢獻(xiàn)描述為一個(gè)未知參數(shù)的函數(shù) 。 我們的目的就是依據(jù)從該總體抽得的隨機(jī)樣本 y1, y2, … , yT ， 尋求對 ? 的估計(jì) 。 ?) 關(guān)于 ?i（ i =1, 2, … , n， n是未知參數(shù)的個(gè)數(shù) ）的偏導(dǎo)數(shù)存在時(shí) ， 要使 L(y 。(ln ?? ? ψyLi? 考慮多元線性回歸模型的一般形式 , t =1, 2 , … , T () 其中 k 是解釋變量個(gè)數(shù) ， T 是觀測值個(gè)數(shù) ， 隨機(jī)擾動(dòng)項(xiàng) ～