【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 的隨機抽取的 T 個樣本觀測值的聯(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}。式 ()也被稱為對數(shù)似然函數(shù)。 ?) 與 ln[L(y 。 0)。 ?) 關(guān)于 ?i（ i =1, 2, … , n， n是未知參數(shù)的個數(shù) ）的偏導(dǎo)數(shù)存在時 ， 要使 L(y 。 ?) 相對于給定的觀測值 y1, y2, … , yT 而言達(dá)到最大值 ， 就被稱為極大似然估計量 。( ψy 極大似然原理就是尋求參數(shù)的估計值 ， 使得所給樣本值的概率密度 （ 即似然函數(shù) ） 的值在這個參數(shù)值之下 ， 達(dá)到最大 。 將這一聯(lián)合密度函數(shù)視為參數(shù) ? 的函數(shù) ， 稱為樣本的似然函數(shù) （ likelihood function） 。 我們的目的就是依據(jù)從該總體抽得的隨機樣本 y1, y2, … , yT ， 尋求對 ? 的估計 。 對數(shù)極大似然估計的基本原理 167。 并給出了一些可以使用該方法的具體的例子 。EViews將尋找使得指定的似然函數(shù)最大化的參數(shù)值 ， 并給出這些參數(shù)估計的估計標(biāo)準(zhǔn)差 。 使用對數(shù)極大似然估計對象估計時 ， 我們用 EViews的序列生成器 ， 將樣本中各個觀測值的對數(shù)似然貢獻(xiàn)描述為一個未知參數(shù)的函數(shù) 。 為了能解決這些特殊的問題 ， EViews提供了 對數(shù)極大似然估計對象 這一工具來估計各種不同類型的模型 。 EViews包含了一些常用方法，如最小二乘法、非線性最小二乘法、加權(quán)最小二乘法、 TSLS、 GMM、 ARIMA、ARCH、 GARCH等方法，這些方法可以解決可能遇到的大多數(shù)估計問題。 第八章 對數(shù)極大似然估計 極大似然估計法 (maximum likelihood, ML)，是不同于最小二乘法的另一種參數(shù)估計方法，是從極大似然原理發(fā)展起來的其他估計方法的基礎(chǔ)。 select dat: (alter=zsw)。 run。 var=39。 例 選擇以 DAT開頭的所有文件 。 proc copy in=lib1 out=lib2 move。 run。 缺 省時 I N D E X = Y E S有效的成員類型（ MEMTYPE）： A L L 所有成員，缺省值A(chǔ) C C E S S S A S / A C C E S S 軟件創(chuàng)建的存取文件C A T A L O G 目錄D A T A 數(shù)據(jù)集P R O G R A M 程序V I E W 視圖應(yīng)用舉例 例 兩個 SAS邏輯庫之間復(fù)制數(shù)據(jù)集和目錄冊。 子語句說明： ? Select規(guī)定要拷貝數(shù)據(jù)庫 IN=中的成員； ? Exclude規(guī)定不拷貝數(shù)據(jù)庫 IN=中的成員。 EXCLUDE SASfile(s) / MEMTYPE=mtype。 數(shù)據(jù)庫復(fù)制 ? 利用 SAS的 COPY過程可以復(fù)制整個 SAS數(shù)據(jù)庫或其中的數(shù)據(jù)庫成員。 run。 run。 選項說明： 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，缺省時使用最近創(chuàng)建的 SAS數(shù)據(jù)集 FORCE 強迫 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)。 APPEND過程句法 PROC APPEND BASE=SASdataset DATA=SASdataset FORCE 。 run。 new。 log= 39。 proc printto print=39。/*直接打印 */ proc printto print=print。 filename f printer。d:\39。 proc printto print=f2。 filename f2 39。 proc printto log= f1。 /*直接輸出到永久文件中 */ filename f1 39。 proc printto log= 39。 若省略RUN語句 ， 則會丟失 PRINTTO后面 DATA步或 PROC步第一行的輸出 。 PRINTTO過程句法 PROC PRINTTO option(s)。 利用 SAS的 PRINTTO過程可以設(shè)定 SAS過程和日志的輸出地點 。 run。 title2 39。 title 39。 run。 copy time strength。 /*接左側(cè) */ proc transpose data=split out=totsplit prefix=Str。First 15 Observations Only39。Split Data Set39。 proc print data=split(obs=15) noobs。 drop s1s7。 output。 do Time=1 to 7。 array s{7} s1s7。 data split。 Fish Length Data for Each Location and Date 1 Location Date _NAME_ Measurement Cole Pond 02JUN95 Length1 31 Cole Pond 02JUN95 Length2 32 Cole Pond 02JUN95 Length3 32 Cole Pond 02JUN95 Length4 33 Cole Pond 03JUL95 Length1 33 Cole Pond 03JUL95 Length2 34 Cole Pond 03JUL95 Length3 37 Cole Pond 03JUL95 Length4 32 Cole Pond 04AUG95 Length1 29 …… …… 輸出窗口顯示 例 對轉(zhuǎn)置后的數(shù)據(jù)集作統(tǒng)計分析。Fish Length Data for Each Location and Date39。 proc print data=fishlength noobs。 by location date。 proc transpose data= out=fishlength(rename=(col1=Measurement))。 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 BY組轉(zhuǎn)置。 proc print。 id sex。 run。 id sex。數(shù)據(jù)集 A中還有一變量_NAME_. SAS 系統(tǒng) 1 2022年 03月 07日 星期五 下午 09時 21分 17秒 Obs _NAME_ Alice Barbara Carol Jane Ja Joyce Judy Louise Mary Alfred 1 Age 2 Height