本文介绍了Stata中进行蒙特卡洛模拟（MC）的两种方法：postfile命令和simulate命令。通过实例详细阐述了如何利用这两种方法进行模拟分析，包括对数正态分布的均值和方差计算，以及内生性偏误影响的模拟。
作者：陈勇吏（上海交通大学）
连享会 - 与君分享 lianxh.cn
文章目录
本文介绍 Stata 中做蒙特卡洛模拟的两种常用方法。第一种方法是使用
postfile 命令，第二种方法是
simulate 命令，并举了两个具体的例子，说明如何在 Stata 中做蒙特卡洛模拟。
1. 蒙特卡洛模拟（MC）简介
蒙特卡洛模拟方法（MC），即从总体中抽取大量随机样本的计算方法。当根据总体的分布函数 F ( x ) F(\bf x) F(x) 很难求出想要的数字特征时，可以使用蒙特卡洛模拟的方法，从总体中抽取大量样本，使用样本的数字特征估计总体的数字特征。
比如，我们想知道 E [ g ( X ) ] E[g(\bf X)] E[g(X)]，其中 X {\bf X} X 是随机向量，其概率密度函数为 f ( x 1 , x 2 , . . . x n ) f(x_1, x_2, ... x_n) f(x1,x2,...xn)。根据期望公式可以得到：
E [ g ( X ) ] = ∫ ∫ ⋅ ⋅ ⋅ ∫ g ( x 1 , x 2 , . . . , x n ) f ( x 1 , x 2 , . . . , x n ) d x 1 d x 2 ⋅ ⋅ ⋅ d x n E[g({\bf X})] = \int\int\cdot\cdot\cdot\int g(x_1,x_2,...,x_n)f(x_1,x_2,...,x_n)dx_1dx_2\cdot\cdot\cdot dx_n E[g(X)]=∫∫⋅⋅⋅∫g(x1,x2,...,xn)f(x1,x2,...,xn)dx1dx2⋅⋅⋅dxn
这是一个多重积分，大多时候很难求解。此时，我们可以使用蒙特卡洛模拟的方法，从总体中抽取大量的样本，通过样本来近似 E [ g ( X ) ] E[g(\bf X)] E[g(X)]。具体操作过程如下：
- 从总体的概率分布 f ( x 1 , x 2 , . . . x n ) f(x_1, x_2, ... x_n) f(x1,
最低0.47元/天 解锁文章
扫一扫
1528
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
