【正文】 ， 那么 yt 服從如下的正態(tài)分布： ～ 其中 () tktkttt uxxxy ?????? ???? ?22110tu ),0( 2?Nty ),(2?? tNktkttt xxx ????? ????? ?22110 y 的隨機(jī)抽取的 T 個(gè)樣本觀測(cè)值的聯(lián)合概率函數(shù)為 （ ） 這就是變量 y的似然函數(shù) ， 未知參數(shù)向量 ?={?1, ?2,… ?k, ?2}。第一個(gè)語(yǔ)句創(chuàng)建了 殘差序列： res， 而第二個(gè)語(yǔ)句創(chuàng)建了 方差序列： var。 )l og (21l og),( 22/ 321 ?? ?? ??????? tttttt wwwxyl ????????? ????Tt ,2,1 ?? 現(xiàn)在假定不知道模型參數(shù)的真實(shí)值 ， 而想使用數(shù)據(jù)來(lái)估計(jì)它 。余下的行定義了中間結(jié)果的計(jì)算和實(shí)際的似然貢獻(xiàn)的計(jì)算。 似然 說(shuō)明 1． 似然的定義 正如上節(jié)中所描述的那樣 ， 似然說(shuō)明的主線是一系列賦值語(yǔ)句 ， 在計(jì)算時(shí) ， 這些賦值語(yǔ)句將產(chǎn)生一個(gè)包含樣本中每個(gè)觀測(cè)值的對(duì)數(shù)似然貢獻(xiàn)的序列 。 如果在 logL中創(chuàng)建了許多中間結(jié)果 ， 又不愿意工作文件因包含這些結(jié)果的序列而弄得混亂的話 ， 刪除這些序列將是很有用的 。 例如 ， 假定 omega是工作文件中一個(gè)已命名的標(biāo)量 (scalar omega)， 如果將子表達(dá)式 var定義如下 : var = omega EViews將不會(huì)估計(jì) omega 。 （ 2） 方程順序 （ byeqn ） 可以改變計(jì)算的順序 ， 這樣 EViews就可以用方程順序來(lái)計(jì)算模型 ， 先用所有的觀測(cè)值來(lái)計(jì)算第一個(gè)賦值語(yǔ)句 ， 然后用所有的觀測(cè)值計(jì)算第二個(gè)賦值語(yǔ)句 ， 如此往復(fù) ， 對(duì)說(shuō)明中每一個(gè)賦值語(yǔ)句都用同樣方式進(jìn)行計(jì)算 。 那么凱恩斯消費(fèi)函數(shù)的方程形式就可以寫(xiě)成： () 其中： ut服從標(biāo)準(zhǔn)正態(tài)分布， cs = CS/CPI， inc = YD / CPI ， CPI 代表 1978年為 1的居民消費(fèi)價(jià)格指數(shù)， ? 代表自發(fā)消費(fèi)，? 代表邊際消費(fèi)傾向，則參數(shù)向量為 ?=(?， ?， ?u2)39。t = cumt – ?0 – ?1 ?int ， w=1/|234。 。這個(gè)結(jié)果與最小二乘法得到的結(jié)果完全相同。 例 一元線性回歸方程的極大似然估計(jì) 以例 ， 分析普通回歸方程的極大似然估計(jì)方法 。 （ 1） 觀測(cè)值順序 （ byobs ） 默認(rèn)情形下 ， EViews用觀測(cè)值順序來(lái)計(jì)算模型 ， 此種方式是先用第一個(gè)觀測(cè)值來(lái)計(jì)算所有的賦值語(yǔ)句 ， 接下來(lái)是用第二個(gè)觀測(cè)值來(lái)計(jì)算所有的賦值語(yǔ)句 ， 如此往復(fù) ， 直到估計(jì)樣本中所有觀測(cè)值都使用過(guò) 。 如果一個(gè)參數(shù)對(duì)似然沒(méi)有影響 ， 那么在試圖進(jìn)行參數(shù)估計(jì)時(shí) ， 將遇到一個(gè)奇異錯(cuò)誤 。 如果序列不存在 ， 系統(tǒng)將自動(dòng)創(chuàng)建 ，如果已經(jīng)存在 ， 系統(tǒng)將使用現(xiàn)有的序列 ， 并覆蓋序列原來(lái)的內(nèi)容 。 說(shuō)明視圖是一個(gè)文本窗口 ， 在這個(gè)窗口里可以輸入描述統(tǒng)計(jì)模型的說(shuō)明語(yǔ)句 ， 還可以設(shè)置控制估計(jì)程序各個(gè)方面的選項(xiàng) 。 第二 ， 必須在說(shuō)明中加入額外的一行 （ 關(guān)鍵字 logL為包含 似然貢獻(xiàn)的序列命名 ） 。 有 T個(gè)觀測(cè)值的樣本的對(duì)數(shù)似然函數(shù)可以寫(xiě)成： 這里 ， ? 是標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù) 。 ttt uxy ??? 110 ??),0(~ 2?Nu t2222 )(21)2l n (21),(ttt yl ?????? ????Tt ,2,1 ?? 未知參數(shù)向量 ? ={?0, ?1, ?2}, 可以將參數(shù)初值賦給系數(shù)向量的 c(1)到 c(3)元素 ， 然后把下面的賦值語(yǔ)句作為 EViews的命令或程序來(lái)執(zhí)行 。式 ()也被稱為對(duì)數(shù)似然函數(shù)。 ?) 相對(duì)于給定的觀測(cè)值 y1, y2, … , yT 而言達(dá)到最大值 ， 就被稱為極大似然估計(jì)量 。 對(duì)數(shù)極大似然估計(jì)的基本原理 167。 為了能解決這些特殊的問(wèn)題 ， EViews提供了 對(duì)數(shù)極大似然估計(jì)對(duì)象 這一工具來(lái)估計(jì)各種不同類型的模型 。 run。 run。 數(shù)據(jù)庫(kù)復(fù)制 ? 利用 SAS的 COPY過(guò)程可以復(fù)制整個(gè) SAS數(shù)據(jù)庫(kù)或其中的數(shù)據(jù)庫(kù)成員。 APPEND過(guò)程句法 PROC APPEND BASE=SASdataset DATA=SASdataset FORCE 。 proc printto print=39。 proc printto print=f2。 proc printto log= 39。 run。 copy time strength。 proc print data=split(obs=15) noobs。 array s{7} s1s7。 proc print data=fishlength noobs。 proc print。數(shù)據(jù)集 A中還有一變量_NAME_. SAS 系統(tǒng) 1 2020年 03月 07日 星期五 下午 09時(shí) 21分 17秒 Obs _NAME_ Alice Barbara Carol Jane Ja Joyce Judy Louise Mary Alfred 1 Age 2 Height 3 Weight Obs Henry James Jeffrey John Philip Robert Ronald Thomas William 1 16 15 2 72 67 3 150 133 例 BY組內(nèi)最后一個(gè) ID值的觀測(cè)被轉(zhuǎn)置。 ID變量的值為轉(zhuǎn)置后數(shù)據(jù)集的變量名 。 語(yǔ)句說(shuō)明： BY 規(guī)定對(duì)每個(gè) BY 組求轉(zhuǎn)置， BY 變量包含在輸出數(shù)據(jù)集中但沒(méi)有被轉(zhuǎn)置C O P Y 將沒(méi)有轉(zhuǎn)置的變量直接拷貝到輸出數(shù)據(jù)集中ID 規(guī)定輸入數(shù)據(jù)集中一個(gè)變量。 數(shù)據(jù)集轉(zhuǎn)置 ? 轉(zhuǎn)置就是把數(shù)據(jù)集的觀測(cè)變?yōu)樽兞?，變量變?yōu)橛^測(cè)。 例中，對(duì)上證數(shù)據(jù) Idx000001按年、季和月排序。 data a。 選項(xiàng)說(shuō)明： DATA= 規(guī)定被排序數(shù)據(jù)集，缺省時(shí)為最新創(chuàng)建數(shù)據(jù)集 OUT= 創(chuàng)建輸出數(shù)據(jù)集，省略時(shí)用排序后數(shù)據(jù)集替換原數(shù)據(jù)集 ASCII 規(guī)定按 ASCII排序 SWEDISH 規(guī)定按 Swedish排序 NATIONAL 規(guī)定按習(xí)慣排序 FORCE 強(qiáng)行實(shí)施多余排序 其中： 選項(xiàng) FORCE強(qiáng)行實(shí)施多余排序 。第 15章 數(shù)據(jù)管理 清華大學(xué)經(jīng)管學(xué)院 朱世武 Resdat樣本數(shù)據(jù)： SAS論壇： SAS系統(tǒng)提供的過(guò)程按其用途可分為四大類： ? 數(shù)據(jù)管理； ? 基礎(chǔ)統(tǒng)計(jì)； ? 數(shù)據(jù)呈現(xiàn)； ? 數(shù)據(jù)訪問(wèn) 。 PROC SORT語(yǔ)句 PROC SORT optionlistcollatingsequenceoption。 應(yīng)用舉例 例 按多變量排序。 run。 例中 ， 按收盤(pán)價(jià) CLPR的降序排列 。 VAR v