freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

對(duì)數(shù)極大似然估計(jì)ppt課件(編輯修改稿)

2025-05-26 00:34 本頁(yè)面
 

【文章內(nèi)容簡(jiǎn)介】 s=cumc(1)c(2)*in var=c(3) weight=1/abs(res) l_w = log(2*)/2log(weight*@sqrt(var)) (weight*res)^2/(weight^2*var))/2 @temp res var l_w weight 這個(gè)說(shuō)明通過(guò)利用殘差 res建立加權(quán)向量 weight=1/abs(res)來(lái)完成一個(gè)加權(quán)最小二乘回歸。 res的賦值語(yǔ)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。 @byeqn語(yǔ)句指示 EViews在一個(gè)給定的迭代過(guò)程中,必須先算出所有的殘差 res, 然后再計(jì)算殘差的加權(quán)向量 weight。 利用極大似然方法估計(jì)出未知參數(shù) c0 , c1 , ? 2后,寫(xiě)出 方程為: (2656507) (22105600) 四.解析導(dǎo)數(shù)四.解析導(dǎo)數(shù) 默認(rèn)情形下,當(dāng)極大化似然函數(shù)和形成標(biāo)準(zhǔn)差的估計(jì)時(shí),EViews計(jì)算似然函數(shù)關(guān)于參數(shù)的數(shù)值微分。也可以用 @deriv語(yǔ)句為一個(gè)或多個(gè)導(dǎo)數(shù)指定解析表達(dá)式,該語(yǔ)句格式為: @deriv pname1 sname1 pname2 sname2 ... 這里 pname是模型中的一個(gè)參數(shù)名稱(chēng),而 sname是由模型產(chǎn)生的對(duì)應(yīng)的導(dǎo)數(shù)序列的名稱(chēng)。 例如 @deriv a(1) grad1 a(2) grad2 a(3) grad3 grad1=xa/d grad2=grad1*x1 grad3=grad2*x2 五.導(dǎo)數(shù)步長(zhǎng)五.導(dǎo)數(shù)步長(zhǎng) 如果模型的參數(shù)沒(méi)有指定解析微分, EViews將用數(shù)值方法來(lái)計(jì)算似然函數(shù)關(guān)于這些參數(shù)的導(dǎo)數(shù)。在計(jì)算導(dǎo)數(shù)時(shí)的步長(zhǎng)由兩個(gè)參數(shù)控制:r (相對(duì)步長(zhǎng) )和 m( 最小步長(zhǎng))。用 表示參數(shù) 在第 i 次迭代時(shí)的值,那么在第 i+1次迭代時(shí)的步長(zhǎng)由下式定義: ()雙側(cè)數(shù)值微分被定義為: () 而單側(cè)數(shù)值微分則由下式計(jì)算: () 這里 f 是似然函數(shù)。雙側(cè)導(dǎo)數(shù)更加精確,但它要對(duì)似然函數(shù)進(jìn)行的計(jì)算量大概是單側(cè)導(dǎo)數(shù)的兩倍,運(yùn)行時(shí)間上也是如此。 @derivstep可以用來(lái)控制步長(zhǎng)和在每次迭代時(shí)計(jì)算導(dǎo)數(shù)的方法。關(guān)鍵字@derivstep后面必須設(shè)置三項(xiàng):被設(shè)置的參數(shù)名(或用關(guān)鍵字 @all代替);相對(duì)步長(zhǎng);最小步長(zhǎng)。默認(rèn)設(shè)置(近似的)為: @derivstep(1) @all 1e10 這里括弧里的 “ 1 ” 表示用的是單側(cè)導(dǎo)數(shù),而 @all關(guān)鍵字表示設(shè)置的步長(zhǎng)適用于所有參數(shù)。 @all后面第一個(gè)數(shù)值是相對(duì)步長(zhǎng),第二個(gè)數(shù)值是最小步長(zhǎng)。默認(rèn)的相對(duì)步長(zhǎng)被設(shè)置為 ? 108 , 而最小步長(zhǎng)為 m= 1010。 167。 估估 計(jì)計(jì) 一旦定義了一個(gè)似然對(duì)象,可以用 EViews來(lái)尋找使得似然函數(shù)取最大值的參數(shù)值。只需在似然窗口工具欄中單擊 Estimate就可以打開(kāi)估計(jì)對(duì)話框。 在這個(gè)對(duì)話框里有許多用來(lái)控制估計(jì)過(guò)程不同方面的選項(xiàng)。大多數(shù)問(wèn)題使用默認(rèn)設(shè)置就可以。單擊 OK, EViews將用當(dāng)前的設(shè)置開(kāi)始估計(jì)。 一.初值一.初值 由于 EViews使用迭代法來(lái)求極大似然估計(jì),初值的選擇就顯得非常重要了。對(duì)于似然函數(shù)只有一個(gè)極大值的問(wèn)題,只是經(jīng)過(guò)多少次迭代使估計(jì)收斂的問(wèn)題。對(duì)于那些多個(gè)極大值的似然函數(shù)所面臨的問(wèn)題是決定選擇極大值中哪一個(gè)。在某些情況下,如果不給出合理的初值, EViews將無(wú)法作出估計(jì)。 默認(rèn)情況下, EViews使用儲(chǔ)存在系數(shù)向量或估計(jì)前的向量中的值。如果在說(shuō)明中用了 @param語(yǔ)句,那么就用語(yǔ)句指定的值來(lái)代替。 在模型 (181)的例子中,為均值方程系數(shù)賦初值的一個(gè)方法是簡(jiǎn)單的OLS法,這是因?yàn)榧词乖诋惙讲钚裕ㄓ薪纾┐嬖诘臈l件下, OLS也提供了一致的點(diǎn)估計(jì)。為了用 OLS估計(jì)值作為初值,首先要用下面的命令來(lái)估計(jì)OLS方程: equation y c x z 在對(duì)這個(gè)方程進(jìn)行估計(jì)后, C系數(shù)向量中的元素 c(1), c(2), c(3)將包含 OLS估計(jì)的結(jié)果。 要設(shè)置 c(4)表示 OLS估計(jì)的殘差方差,可以在命令窗口中輸入下面的賦值語(yǔ)句: c(4)=eq1.@se^2。 可選擇地,可以利用簡(jiǎn)單的賦值語(yǔ)句任意設(shè)置參數(shù)值: c(4) = 現(xiàn)在,如果在執(zhí)行了 OLS估計(jì)及其后面的命令后馬上估計(jì) logl模型的話,那么將用設(shè)置在 C向量里的值作為初值。 象上面我們提到的那樣,將參數(shù)初始值賦值為已知值的另一種方法是在似然模型說(shuō)明中加入 @param語(yǔ)句。例如,如果在 logl的說(shuō)明中加入了下面的行 : @param c(1) c(2) c(3) c(4) 那么 EViews會(huì)將初值設(shè)置為 : c(1) = c(2 )= c(3) = , c(4) = 。 二.估計(jì)樣本二.估計(jì)樣本 在估計(jì)對(duì)數(shù)似然函數(shù)的參數(shù)時(shí), EViews就在 Estimation Option對(duì)話框里指定了將使用的觀測(cè)值的樣本。 EViews在當(dāng)前參數(shù)值下,將使用觀測(cè)值順序或方程順序用樣本中的每一個(gè)觀測(cè)值來(lái)對(duì) logl中每個(gè)表達(dá)式進(jìn)行計(jì)算。所有這些計(jì)算都服從于 EViews中關(guān)于序列表達(dá)式計(jì)算的規(guī)則。 如果在對(duì)數(shù)似然序列的初始參數(shù)值中有缺少值, EViews將發(fā)出錯(cuò)誤信息而估計(jì)過(guò)程也將終止。相對(duì)于其他的 EViews內(nèi)部過(guò)程的處理方式,在估計(jì)模型參數(shù)時(shí) logl估計(jì)不能進(jìn)行終點(diǎn)調(diào)整或是去掉那些欠缺值的觀測(cè)值。 167。 LogL視圖視圖 (1) likelihood Specification : 顯示定義和編輯似然說(shuō)明的窗口。 (2) Estimation Output : 顯示通過(guò)最大化似然函數(shù)得到的估計(jì)結(jié)果。 (3) Covariance Matrix : 顯示參數(shù)估計(jì)的協(xié)方差矩陣。這是通過(guò)計(jì)算在最優(yōu)參數(shù)值下一階導(dǎo)數(shù)的外積的和的逆求得的??梢杂?@cov這個(gè)函數(shù)將其保存為 (SYM)矩陣。 (4) Wald Coefficient Test : 執(zhí)行 Wald系數(shù)限制檢驗(yàn)。參看第 15章,系數(shù)檢驗(yàn),關(guān)于 Wald檢驗(yàn)的討論。 (5) Gradients : 如果模型沒(méi)有被估計(jì),顯示當(dāng)前參數(shù)值下 logL的梯度(一階導(dǎo)數(shù))視圖,若模型已經(jīng)被估計(jì),則顯示收斂的參數(shù)值下 logL的梯度視圖。當(dāng)你處理收斂問(wèn)題時(shí),這些圖將成為有用的鑒別工具。 (6) Check Derivatives : 如果使用了 @param語(yǔ)句,顯示在初值下
點(diǎn)擊復(fù)制文檔內(nèi)容
教學(xué)課件相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖片鄂ICP備17016276號(hào)-1